简介：本文在新盆地的更替类型、旧盆地改造及原型盆地的时空配置关系等方面分析了复合盆地的发展规律,并对四川盆地原型盆地演化序列作了系统解剖,认为板块自身性质和边界条件的变化是控制原型盆地类型、演化序列和叠置关系的根本因素。
简介：介绍并比较了两种有监督的机器学习方法：BP神经网络和决策树。用两种方法分别论证了如何利用测井信息非线性地表示孔隙度。与传统的线性回归方法相比,机器学习效果更好,准确性更高。BP神经网络和决策树的应用效果表明,机器学习可以有效预测孔隙度,也可以应用于储层孔隙度预测中。相比之下,神经网络具有更高的准确性和更广阔的前景。
四川原型盆地演化序列及复合盆地发展规律
基于机器学习的孔隙度预测方法研究
