岩石物理研究,或参与地质分析和研究(例如,绘制异常的Kong隙流体压力)。 但有时由于数据丢失或当时没有记录,在20年前钻的那些老井中不存在它。 因此,合成DTlog成为研究人员的必要任务。 在本文中,我们建议使用核极限学习机(KELM)来预测只有普通测井曲线(例如,自然伽马射线:GR,深电阻率:REID和堆积密度:DEN)可用的漏声(DT)测井曲线。 通用日志设置为预测变量,而DT日志为目标。 通过使用KELM,首先基于实验数据创建预测模型,然后通过对包含有监督训练中使用的预测值和目标(DT)值的井中的结果进行盲测试来确认和验证。 最后,将最佳模型设置为预测变量。 以鄂尔多斯盆地GJH测井中的井为例,该井利用KELM估计的DT。值进行速度反演。 结果令人鼓舞和鼓舞。