利用机器学习完成储层预测

这篇文章是5年前写的blog，进行统一的整理，内容如下：

最近正在利用机器学习的监督学习进行储层预测分析，监督学习比较好验证结果的准确性。最终得到的准确率还不错，目前准确率在98%左右，等形成完整的工具后再给大家分享具体的设计思路、预测思路和算法实现思路。目前训练数据量大概在135万左右，测试数据量在35万左右，训练的算法是KNN和Decision Tree，训练时间大概在1.5小时左右。使用的环境是python和R环境，框架采用tensorflow，算法采用自行实现的方式完成的，大家也可以用Sklearn类库中的算法来做。目前正在尝试使用SVM来实现，看看能不能取得更好的效果。目前该项工作已经完成，在产能级别预测、砂岩薄片矿物识别和古生物化石识别方面的成果非常好，处于应用阶段。