简介：成象科学和工程正在快速进步。“地球物理、医学和空间成象的协同作用”正激励这些学科的成象物理学家们相互结合。每门学科的目的就是展现成象应用指导和分担目前成象技术及“未来”成象研究的挑战。未来协同研究的重点包括以下几方面。
简介：
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。
地球物理、医学和空间成象的协同作用
油气藏地质构造和开发系统对原油采收率的协同影响分析
基于机器学习的孔隙度预测方法研究
