基于随机森林回归的砂体渗透系数预测

在地浸砂岩型铀矿勘查过程中,砂体渗透系数是一项重要的水文地质参数,也是评价地浸开采有效性的重要指标,而砂体渗透系数预测及其空间分布特征是铀矿勘查最为困难的问题之一。机器学习算法具有操作简单及泛化能力强的特点,在各领域得到了广泛应用,将机器学习算法引入到铀矿地质勘查中能够快速有效地解决测井数据与砂体渗透系数之间复杂的非线性问题。文章采用随机森林回归算法预测洪海沟铀矿床砂体渗透系数,并将其与非线性回归、支持向量机回归预测结果进行对比评价,结果表明,随机森林回归算法具有拟合优度高、操作简单的特点。该方法预测出的砂体渗透系数空间展布方向与地下水渗流方向一致,并密切影响层间氧化带及铀矿化的发育,具有一定的推广意义和经济价值。