典型文献
随机森林的融合模型在压井方法分类中的研究
文献摘要：
针对井口压力控制作业中传统方法过度依赖专家经验和数学模型运算精度的问题,提出一种基于随机森林(Random Forest,RF)的多模型融合算法对压井方式进行分类判断.首先,将专家经验结构化、数据化,转化成可被机器学习模型使用的数据形式,同时,结合油气井的基础数据和工况参数,作为智能模型的重要参数来描述压井作业的特征空间;然后,将特征数据通过特征工程进行特征筛选、特征编码和特征选择等处理;最后,构建出基于随机森林的Stacking双层融合模型,实现压井方法的分类预测.通过实验验证,与单模型的机器学习算法相比,本方法具有更高的预测精度.
文献关键词：
随机森林;融合模型;压井方法分类判断;井口压力控制
中图分类号：
作者姓名：
钟原;张泰;李平;杨绪华
作者机构：
西南石油大学计算机科学学院,四川成都610500
文献出处：
引用格式：
[1]钟原;张泰;李平;杨绪华-.随机森林的融合模型在压井方法分类中的研究)[J].西南石油大学学报（自然科学版）,2022(01):165-173
A类：
压井方法分类判断
B类：
融合模型,井口压力控制,制作业,专家经验,Random,Forest,RF,多模型融合,融合算法,数据化,转化成,机器学习模型,模型使用,合油,油气井,工况参数,智能模型,重要参数,特征空间,特征数据,数据通,特征工程,特征筛选,特征编码,特征选择,Stacking,分类预测,单模,机器学习算法
AB值：
0.328326
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
