Яндекс.Метрика

 В.Д. Панфилов, Г.М. Митрофанов

Издание: Интеллектуальный анализ данных в нефтегазовой отрасли: Сборник материалов VII научно-практической конференции (г. Нижний Новгород, 04-06 августа 2026 г.)
Издатель: ООО "ЕАГЕ ГЕОМОДЕЛЬ" , Место издания: М. , Год издания: 2026
Страницы: 138-142

Аннотация

Автоматизированная классификация литотипов по сейсмическим данным с применением методов машинного обучения широко использует сейсмические атрибуты в качестве входных признаков. Однако большое число доступных атрибутов приводит к включению избыточных и взаимно коррелированных признаков, что снижает устойчивость классификации и требует отбора их оптимального подмножества. В работе выполнен сравнительный анализ методов оценки значимости сейсмических атрибутов при классификации литотипов карбонатного трещинно-порового коллектора. Рассмотрены три подхода к ранжированию признаков: взаимная информация (MI), важность по критерию Джини (MDI) и пермутационная важность (PI). Сравнение проводилось по качеству классификации с использованием алгоритмов KNN, SVM, LogReg, RF, MLP и GNB. Показано, что ранжирование на основе PI обеспечивает наилучшие результаты для большинства моделей. Установлено, что оптимальное число атрибутов составляет 9-13, при котором достигаются максимальные значения метрик Accuracy, Recall, Precision и F1. Полученный набор атрибутов согласуется с геологическими особенностями трещинно-кавернозного карбонатного коллектора и обеспечивает устойчивую классификацию литотипов.
индекс в базе ИАЦ: 010925