拓冰网站定制 
简介这套基于机器学习的地下储层岩性识别系统面向石油勘探与毕业设计/课程项目场景提供从数据预处理、模型训练到岩性分类的完整Python实现代码注释详细便于初学者快速上手。压缩包共259个文件总大小约169MB以175个csv地质数据集为主体同时包含xlsx表格、ipynb分析脚本、py模型源码、docx文档及md说明覆盖多地区多地质条件数据并提供归一化与未归一化等不同处理版本便于对比学习。系统融合了完整机器学习流程涵盖数据清洗、特征分析与模型训练等环节各类数据文件按标准格式整理便于复用与二次开发。目前已有86人学习项目曾获导师高度评价资源附有完整项目方案特别适合作为毕业设计、综合课程项目或期末考核的参考模板同时为石油工业岩性识别研究提供了一个可扩展的实践平台。1. 机器学习做地下储层岩性识别这份源码包到底能不能直接用做毕业设计或者刚踏入测井解释这个方向的工程师多半都遇到过同一个问题文献里一堆机器学习算法讲得头头是道真到自己手里处理测井曲线时连从哪一步开始都摸不着头脑。常见的尴尬是——数据读进来了但不知道哪些曲线该选作特征模型能跑通了预测出来的岩性却跟地质规律对不上号。这份基于机器学习方法的地下储层岩性识别系统源码包解决的就是从测井曲线到岩性标签的完整落地链路数据清洗、特征构造、类别不平衡处理、模型对比调参、结果可视化每一步都有可运行的 Python 代码不是零散的算法 demo而是一套能直接复现的流程。适合两类人一是用机器学习做毕业设计的本科生和研究生需要一个经得起答辩追问的完整项目骨架二是想快速把随机森林、XGBoost 等模型引入测井解释工作的现场工程师用这份代码做基线再替换成自己的井区数据。2. 数据准备与特征工程别急着跑模型先让测井曲线“说人话”2.1 加载测井数据从 LAS/CSV 到 DataFrame 的常规操作拿到这个源码包第一件事是看它喂给模型的数据长什么样。地下储层岩性识别最常用的数据来源是测井曲线常见格式有两种一种是 LAS 标准格式另一种是现场导出的 CSV 表格。这套代码里默认读的是 CSV字段通常包含深度DEPTH、自然伽马GR、电阻率RT 或 LL D、声波时差AC、密度DEN、中子孔隙度CNL等最后一列是岩性标签LITHOLOGY也就是我们要预测的目标值。import pandas as pd # 读取测井数据 # label_col 指定岩性标签列名实际使用时可改成你自己的字段名 df pd.read_csv(well_data.csv, encodinggbk) feature_cols [GR, RT, AC, DEN, CNL] # 特征列 label_col LITHOLOGY # 查看数据基本情况 print(df[feature_cols [label_col]].describe()) print(各类岩性样本数) print(df[label_col].value_counts())建议先做这一步再谈建模。describe()能帮你快速发现量纲差异和异常值——比如 GR 值域是 30 到 150电阻率可能从 1 到上千声波时差又是另一个量级。不同测井曲线的物理量纲完全不同如果不做标准化后面跑 SVM 或 KNN 这类依赖距离的模型时会直接被大数值特征主导岩性识别自然不准。2.2 特征标准化与标签编码两个必须处理的环节岩性标签通常是字符串比如“泥岩”“砂岩”“粉砂岩”“灰岩”。字符串不能直接喂给 sklearn 的分类器必须编码成整数。另一个关键步骤是标准化常见做法是用StandardScaler对特征列做 Z-score 归一化把所有特征拉到均值为 0、方差为 1 的尺度上。from sklearn.preprocessing import StandardScaler, LabelEncoder # 标签编码把字符串岩性转成整数 le LabelEncoder() df[label_encoded] le.fit_transform(df[label_col]) # 标准化必须在划分训练集之后、只对训练集 fit X df[feature_cols] y df[label_encoded] scaler StandardScaler() X_scaled scaler.fit_transform(X)逻辑上这里有个细节必须讲清楚LabelEncoder对标签做的是“类别编号”即泥岩可能是 0砂岩是 1而StandardScaler是对特征做标准化。不要在标准化之前就把数据划分成训练集和测试集否则测试集信息会泄漏到训练过程里后续评估指标的参考价值就打了折扣。常见做法是先把数据拆成 train/test再用训练集拟合 scaler最后用同一个 scaler 变换测试集。这一步虽然基础但确实容易出错而且出错之后模型分数看起来不错实际现场表现却一言难尽。3. 模型构建与调参实战随机森林和 XGBoost 的选型逻辑与超参数设置3.1 随机森林基线模型先跑通再谈优化面对岩性识别任务我的习惯是先拿随机森林做基线。原因很简单随机森林对类别特征不敏感几乎不需要精细调参就能得到一个还算合理的结果。岩性识别数据量通常不大几百口井的样本随机森林的训练时间完全可接受。而且它自带特征重要性评估能告诉我们哪条测井曲线对岩性判定贡献最大这个在写毕业设计论文时特别好用——可以画特征重要性条形图作为分析依据。from sklearn.ensemble import RandomForestClassifier from sklearn.model_selection import train_test_split from sklearn.metrics import classification_report, accuracy_score # 划分训练集和测试集stratify 保证标签分布一致 X_train, X_test, y_train, y_test train_test_split( X_scaled, y, test_size0.2, random_state42, stratifyy ) # 随机森林基模型 rf RandomForestClassifier( n_estimators300, max_depth12, min_samples_leaf2, random_state42, n_jobs-1 ) rf.fit(X_train, y_train) y_pred rf.predict(X_test) print(准确率{:.3f}.format(accuracy_score(y_test, y_pred))) print(classification_report(y_test, y_pred, target_namesle.classes_))参数这块说几个实际经验。n_estimators设为 300 已经是偏保守的选择再多对结果提升有限反而拖慢训练速度max_depth限制在 12 左右能有效防止过拟合测井曲线本身特征数量少深度太深容易把训练集噪声学进去min_samples_leaf2让叶子节点至少保留 2 个样本对小样本类别的泛化有帮助。注意stratifyy这个参数很关键如果忽略它划分出来的测试集里某类岩性可能一个样本都没有。3.2 XGBoost 进阶处理类别不平衡与早停策略随机森林跑通之后下一步通常是用 XGBoost 替换看能否进一步提升识别精度。XGBoost 在岩性识别这件事上的优势在于它支持自定义目标函数和样本权重对类别不平衡的处理比随机森林更灵活。储层岩性数据天然是不平衡的——泥岩可能占 60%砂岩占 20%灰岩占 10%剩下的粉砂岩、白云岩只占 5% 到 10%。直接用默认参数少数类基本会被模型无视。from xgboost import XGBClassifier import numpy as np # 计算样本权重样本数多的类别权重小 from sklearn.utils.class_weight import compute_sample_weight sample_weights compute_sample_weight(class_weightbalanced, yy_train) xgb XGBClassifier( n_estimators500, max_depth6, learning_rate0.05, subsample0.8, colsample_bytree0.8, random_state42, eval_metricmlogloss ) # 早停用验证集监控过拟合 xgb.fit( X_train, y_train, sample_weightsample_weights, eval_set[(X_test, y_test)], verboseFalse )这里最重要的操作是compute_sample_weight和早停。样本权重让少数类在损失函数里获得更高的惩罚权重模型才会“被迫”关注粉砂岩这类稀缺类别。eval_set配mlogloss的作用是监控验证集上的多分类对数损失如果连续多轮验证损失不再下降可以配合early_stopping_rounds提前终止训练避免几百轮之后过拟合。实际使用时我一般会把上面这段改成带 early stopping 的版本设early_stopping_rounds50。完整调参一次到位不现实。我的习惯是先用默认参数跑一轮看分类报告里哪个类别 F1 分数最低再针对这个类别调scale_pos_weight二分类或者类别权重多分类、调max_depth让模型更复杂或更简单最后才动learning_rate。学习率这个参数属于玄学成分最高的一个低学习率配合高n_estimators通常更稳但训练时间会成倍增加。4. 避坑指南从数据泄漏到标签乱序的四个血泪记录4.1 测试集里混进了全井数据模型分数虚高现象训练集准确率 95%测试集准确率也 94%但拿到下一口井预测时岩性识别结果跟实际测井解释差别很大。原因最常见的情况是标准化之前就做了全量数据的fit_transform也就是 scaler 看到了测试集的数据分布。这属于数据泄漏。测井曲线在不同井之间量纲一致但均值方差会有差异如果 scaler 混入了测试井的统计量就相当于提前告诉模型“这口井的曲线大概落在什么范围”测试分数自然高。解决所有预处理步骤只对训练集fit测试集只做transform。正确流程是train_test_split在前StandardScaler.fit(X_train)中间X_test scaler.transform(X_test)最后。4.2 SMOTE 过采样放到了划分之前验证集被污染现象用 SMOTE 处理类别不平衡后准确率提升了大约 5%但现场验证发现少数类识别依然很差。原因如果把 SMOTE 应用在整个数据集上再做划分合成样本会同时出现在训练集和测试集里测试集里那些“假样本”跟训练样本是同源的模型在测试集上的表现虚高。解决用imbalanced-learn的Pipeline把 SMOTE 和分类器封装在同一个流程里并把它定义在训练集内部。from imblearn.over_sampling import SMOTE from imblearn.pipeline import Pipeline # 注意SMOTE 放在 Pipeline 里只对训练集生效 pipeline Pipeline([ (smote, SMOTE(random_state42, k_neighbors5)), (classifier, XGBClassifier(random_state42)) ]) pipeline.fit(X_train, y_train)4.3 标签编码后类别顺序变了预测结果对不上现场解释现象模型训练完预测出来的类别编码是 2查字典发现是灰岩但现场经验看那段曲线更像砂岩。原因LabelEncoder默认按字母序编码。灰岩Limestone编码可能是 0泥岩Mudstone可能是 2砂岩Sandstone可能是 4。如果你在保存模型时只保存了分类器没有把LabelEncoder一起存下来加载模型做预测时预测结果直接输出整数容易跟现场解释对不上号。解决把LabelEncoder和模型一起用joblib保存预测时从编码反查类别名称。import joblib # 保存完整对象包括编码器 joblib.dump({model: pipeline, encoder: le, scaler: scaler}, lithology_model.pkl) # 加载时一次性恢复 artifacts joblib.load(lithology_model.pkl) loaded_model artifacts[model] loaded_encoder artifacts[encoder]4.4 现场数据里有缺失值模型直接崩溃现象训练时跑得好好的换个井区数据预测时报ValueError: Input contains NaN。原因测井曲线经常因仪器问题出现空段或异常值数据预处理阶段如果用dropna()直接删掉了缺失行模型训练时没见过缺失值预测时遇到 NaN 自然无法处理。解决预测流程里加一步缺失值填充。测井曲线的缺失段常见做法是前后向插值填充如果缺失段太长比如超过 5 米直接删除该段更合理。代码里我是这样处理的# 预测前对测井曲线做缺失值处理 # methodffill 用上一有效值填充bfill 用下一有效值填充两者结合消除首尾缺口 df[GR] df[GR].fillna(methodffill).fillna(methodbfill) df[RT] df[RT].fillna(methodffill).fillna(methodbfill)逻辑上一段曲线连续缺失说明井下该深度段可能垮塌或者仪器失效这段数据本身就不该参与预测。用插值填充只是为了保住排序算法不断裂最终预测结果还需要结合地质认识再判断。5. 模型导出与结果验证把训练好的岩性识别流程接回真实井区数据训练和调参只是前半程。真正让人头疼的是模型在测试集上表现很好但接一口新井的数据时预测结果怎么验证我一直认为岩性识别这件事模型输出只算一个辅助解释结果不是最终结论。所以做这套代码时我习惯把预测结果回写到原始深度序列上同时输出置信度分数这样还能跟现场采样或录井图对比。# 假设 new_well.csv 是待预测井的测井数据 well_new pd.read_csv(new_well.csv, encodinggbk) feature_cols [GR, RT, AC, DEN, CNL] # 关键必须用训练时保存的 scaler 和 encoder well_new_scaled scaler.transform(well_new[feature_cols]) # 预测结果和概率 lit_pred loaded_model.predict(well_new_scaled) lit_prob loaded_model.predict_proba(well_new_scaled) # 反编码为岩性名称 well_new[pred_lithology] loaded_encoder.inverse_transform(lit_pred) # 取预测概率最大值作为置信度 well_new[prob] np.max(lit_prob, axis1) # 按深度输出 well_new[[DEPTH, GR, RT, pred_lithology, prob]].to_csv(prediction_result.csv, indexFalse)这段代码有三个值得注意的细节。第一scaler.transform前千万不能对整口井做fit_transform必须沿用训练好的 scaler否则数据分布偏移。第二loaded_encoder.inverse_transform负责把整数编码反成岩性名这一步直接决定输出的结果能不能跟录井图直接对照第三置信度prob是一个很好的过滤工具如果某段深度的预测概率低于 0.5这处结果基本不可信需要结合人工解释判断。拿到预测结果后我一般会做两件事来验证可信度。一是画深度-岩性柱状对比图把模型预测结果跟该井已有的录井岩性描述叠加看吻合率二是统计每类岩性的平均 GR 和电阻率值区间跟地质规律对照——比如泥岩段通常 GR 高、电阻率低砂岩段 GR 低、电阻率相对高如果模型输出的“砂岩”段 GR 普遍偏高那就要检查是不是特征选择或训练数据标签出了问题。这个验证步骤比看测试集上的准确率更有说服力至少能让现场解释人员认可这份数据的参考价值。代码包里还附了一个预测接口脚本封装了从读取 CSV、缺失值填充、标准化、模型预测到输出结果的完整流程。实际使用中我会把feature_cols改成长度可配置的列表这样换井区时可以灵活增减曲线类型。但有一点不要偷懒换井区后如果用新井数据重新训练模型标准做法是先人工标注一小部分岩性作为训练标签然后按第 2 章到第 4 章的流程走一遍而不是直接拿原模型去预测毕竟不同井区的沉积环境不同特征分布会有漂移。从那以后我每次接新井数据都强制走一遍“人工抽查 10% 样本 → 跑模型 → 对照录井图验证”的流程这套步骤帮我挡掉过好几次数据异常导致的预测翻车希望帮到你。本文还有配套的精品资源点击获取 机器学习实现地下储层岩性识别：从测井曲线到模型落地的完整流程
简介这套基于机器学习的地下储层岩性识别系统面向石油勘探与毕业设计/课程项目场景提供从数据预处理、模型训练到岩性分类的完整Python实现代码注释详细便于初学者快速上手。压缩包共259个文件总大小约169MB以175个csv地质数据集为主体同时包含xlsx表格、ipynb分析脚本、py模型源码、docx文档及md说明覆盖多地区多地质条件数据并提供归一化与未归一化等不同处理版本便于对比学习。系统融合了完整机器学习流程涵盖数据清洗、特征分析与模型训练等环节各类数据文件按标准格式整理便于复用与二次开发。目前已有86人学习项目曾获导师高度评价资源附有完整项目方案特别适合作为毕业设计、综合课程项目或期末考核的参考模板同时为石油工业岩性识别研究提供了一个可扩展的实践平台。1. 机器学习做地下储层岩性识别这份源码包到底能不能直接用做毕业设计或者刚踏入测井解释这个方向的工程师多半都遇到过同一个问题文献里一堆机器学习算法讲得头头是道真到自己手里处理测井曲线时连从哪一步开始都摸不着头脑。常见的尴尬是——数据读进来了但不知道哪些曲线该选作特征模型能跑通了预测出来的岩性却跟地质规律对不上号。这份基于机器学习方法的地下储层岩性识别系统源码包解决的就是从测井曲线到岩性标签的完整落地链路数据清洗、特征构造、类别不平衡处理、模型对比调参、结果可视化每一步都有可运行的 Python 代码不是零散的算法 demo而是一套能直接复现的流程。适合两类人一是用机器学习做毕业设计的本科生和研究生需要一个经得起答辩追问的完整项目骨架二是想快速把随机森林、XGBoost 等模型引入测井解释工作的现场工程师用这份代码做基线再替换成自己的井区数据。2. 数据准备与特征工程别急着跑模型先让测井曲线“说人话”2.1 加载测井数据从 LAS/CSV 到 DataFrame 的常规操作拿到这个源码包第一件事是看它喂给模型的数据长什么样。地下储层岩性识别最常用的数据来源是测井曲线常见格式有两种一种是 LAS 标准格式另一种是现场导出的 CSV 表格。这套代码里默认读的是 CSV字段通常包含深度DEPTH、自然伽马GR、电阻率RT 或 LL D、声波时差AC、密度DEN、中子孔隙度CNL等最后一列是岩性标签LITHOLOGY也就是我们要预测的目标值。import pandas as pd # 读取测井数据 # label_col 指定岩性标签列名实际使用时可改成你自己的字段名 df pd.read_csv(well_data.csv, encodinggbk) feature_cols [GR, RT, AC, DEN, CNL] # 特征列 label_col LITHOLOGY # 查看数据基本情况 print(df[feature_cols [label_col]].describe()) print(各类岩性样本数) print(df[label_col].value_counts())建议先做这一步再谈建模。describe()能帮你快速发现量纲差异和异常值——比如 GR 值域是 30 到 150电阻率可能从 1 到上千声波时差又是另一个量级。不同测井曲线的物理量纲完全不同如果不做标准化后面跑 SVM 或 KNN 这类依赖距离的模型时会直接被大数值特征主导岩性识别自然不准。2.2 特征标准化与标签编码两个必须处理的环节岩性标签通常是字符串比如“泥岩”“砂岩”“粉砂岩”“灰岩”。字符串不能直接喂给 sklearn 的分类器必须编码成整数。另一个关键步骤是标准化常见做法是用StandardScaler对特征列做 Z-score 归一化把所有特征拉到均值为 0、方差为 1 的尺度上。from sklearn.preprocessing import StandardScaler, LabelEncoder # 标签编码把字符串岩性转成整数 le LabelEncoder() df[label_encoded] le.fit_transform(df[label_col]) # 标准化必须在划分训练集之后、只对训练集 fit X df[feature_cols] y df[label_encoded] scaler StandardScaler() X_scaled scaler.fit_transform(X)逻辑上这里有个细节必须讲清楚LabelEncoder对标签做的是“类别编号”即泥岩可能是 0砂岩是 1而StandardScaler是对特征做标准化。不要在标准化之前就把数据划分成训练集和测试集否则测试集信息会泄漏到训练过程里后续评估指标的参考价值就打了折扣。常见做法是先把数据拆成 train/test再用训练集拟合 scaler最后用同一个 scaler 变换测试集。这一步虽然基础但确实容易出错而且出错之后模型分数看起来不错实际现场表现却一言难尽。3. 模型构建与调参实战随机森林和 XGBoost 的选型逻辑与超参数设置3.1 随机森林基线模型先跑通再谈优化面对岩性识别任务我的习惯是先拿随机森林做基线。原因很简单随机森林对类别特征不敏感几乎不需要精细调参就能得到一个还算合理的结果。岩性识别数据量通常不大几百口井的样本随机森林的训练时间完全可接受。而且它自带特征重要性评估能告诉我们哪条测井曲线对岩性判定贡献最大这个在写毕业设计论文时特别好用——可以画特征重要性条形图作为分析依据。from sklearn.ensemble import RandomForestClassifier from sklearn.model_selection import train_test_split from sklearn.metrics import classification_report, accuracy_score # 划分训练集和测试集stratify 保证标签分布一致 X_train, X_test, y_train, y_test train_test_split( X_scaled, y, test_size0.2, random_state42, stratifyy ) # 随机森林基模型 rf RandomForestClassifier( n_estimators300, max_depth12, min_samples_leaf2, random_state42, n_jobs-1 ) rf.fit(X_train, y_train) y_pred rf.predict(X_test) print(准确率{:.3f}.format(accuracy_score(y_test, y_pred))) print(classification_report(y_test, y_pred, target_namesle.classes_))参数这块说几个实际经验。n_estimators设为 300 已经是偏保守的选择再多对结果提升有限反而拖慢训练速度max_depth限制在 12 左右能有效防止过拟合测井曲线本身特征数量少深度太深容易把训练集噪声学进去min_samples_leaf2让叶子节点至少保留 2 个样本对小样本类别的泛化有帮助。注意stratifyy这个参数很关键如果忽略它划分出来的测试集里某类岩性可能一个样本都没有。3.2 XGBoost 进阶处理类别不平衡与早停策略随机森林跑通之后下一步通常是用 XGBoost 替换看能否进一步提升识别精度。XGBoost 在岩性识别这件事上的优势在于它支持自定义目标函数和样本权重对类别不平衡的处理比随机森林更灵活。储层岩性数据天然是不平衡的——泥岩可能占 60%砂岩占 20%灰岩占 10%剩下的粉砂岩、白云岩只占 5% 到 10%。直接用默认参数少数类基本会被模型无视。from xgboost import XGBClassifier import numpy as np # 计算样本权重样本数多的类别权重小 from sklearn.utils.class_weight import compute_sample_weight sample_weights compute_sample_weight(class_weightbalanced, yy_train) xgb XGBClassifier( n_estimators500, max_depth6, learning_rate0.05, subsample0.8, colsample_bytree0.8, random_state42, eval_metricmlogloss ) # 早停用验证集监控过拟合 xgb.fit( X_train, y_train, sample_weightsample_weights, eval_set[(X_test, y_test)], verboseFalse )这里最重要的操作是compute_sample_weight和早停。样本权重让少数类在损失函数里获得更高的惩罚权重模型才会“被迫”关注粉砂岩这类稀缺类别。eval_set配mlogloss的作用是监控验证集上的多分类对数损失如果连续多轮验证损失不再下降可以配合early_stopping_rounds提前终止训练避免几百轮之后过拟合。实际使用时我一般会把上面这段改成带 early stopping 的版本设early_stopping_rounds50。完整调参一次到位不现实。我的习惯是先用默认参数跑一轮看分类报告里哪个类别 F1 分数最低再针对这个类别调scale_pos_weight二分类或者类别权重多分类、调max_depth让模型更复杂或更简单最后才动learning_rate。学习率这个参数属于玄学成分最高的一个低学习率配合高n_estimators通常更稳但训练时间会成倍增加。4. 避坑指南从数据泄漏到标签乱序的四个血泪记录4.1 测试集里混进了全井数据模型分数虚高现象训练集准确率 95%测试集准确率也 94%但拿到下一口井预测时岩性识别结果跟实际测井解释差别很大。原因最常见的情况是标准化之前就做了全量数据的fit_transform也就是 scaler 看到了测试集的数据分布。这属于数据泄漏。测井曲线在不同井之间量纲一致但均值方差会有差异如果 scaler 混入了测试井的统计量就相当于提前告诉模型“这口井的曲线大概落在什么范围”测试分数自然高。解决所有预处理步骤只对训练集fit测试集只做transform。正确流程是train_test_split在前StandardScaler.fit(X_train)中间X_test scaler.transform(X_test)最后。4.2 SMOTE 过采样放到了划分之前验证集被污染现象用 SMOTE 处理类别不平衡后准确率提升了大约 5%但现场验证发现少数类识别依然很差。原因如果把 SMOTE 应用在整个数据集上再做划分合成样本会同时出现在训练集和测试集里测试集里那些“假样本”跟训练样本是同源的模型在测试集上的表现虚高。解决用imbalanced-learn的Pipeline把 SMOTE 和分类器封装在同一个流程里并把它定义在训练集内部。from imblearn.over_sampling import SMOTE from imblearn.pipeline import Pipeline # 注意SMOTE 放在 Pipeline 里只对训练集生效 pipeline Pipeline([ (smote, SMOTE(random_state42, k_neighbors5)), (classifier, XGBClassifier(random_state42)) ]) pipeline.fit(X_train, y_train)4.3 标签编码后类别顺序变了预测结果对不上现场解释现象模型训练完预测出来的类别编码是 2查字典发现是灰岩但现场经验看那段曲线更像砂岩。原因LabelEncoder默认按字母序编码。灰岩Limestone编码可能是 0泥岩Mudstone可能是 2砂岩Sandstone可能是 4。如果你在保存模型时只保存了分类器没有把LabelEncoder一起存下来加载模型做预测时预测结果直接输出整数容易跟现场解释对不上号。解决把LabelEncoder和模型一起用joblib保存预测时从编码反查类别名称。import joblib # 保存完整对象包括编码器 joblib.dump({model: pipeline, encoder: le, scaler: scaler}, lithology_model.pkl) # 加载时一次性恢复 artifacts joblib.load(lithology_model.pkl) loaded_model artifacts[model] loaded_encoder artifacts[encoder]4.4 现场数据里有缺失值模型直接崩溃现象训练时跑得好好的换个井区数据预测时报ValueError: Input contains NaN。原因测井曲线经常因仪器问题出现空段或异常值数据预处理阶段如果用dropna()直接删掉了缺失行模型训练时没见过缺失值预测时遇到 NaN 自然无法处理。解决预测流程里加一步缺失值填充。测井曲线的缺失段常见做法是前后向插值填充如果缺失段太长比如超过 5 米直接删除该段更合理。代码里我是这样处理的# 预测前对测井曲线做缺失值处理 # methodffill 用上一有效值填充bfill 用下一有效值填充两者结合消除首尾缺口 df[GR] df[GR].fillna(methodffill).fillna(methodbfill) df[RT] df[RT].fillna(methodffill).fillna(methodbfill)逻辑上一段曲线连续缺失说明井下该深度段可能垮塌或者仪器失效这段数据本身就不该参与预测。用插值填充只是为了保住排序算法不断裂最终预测结果还需要结合地质认识再判断。5. 模型导出与结果验证把训练好的岩性识别流程接回真实井区数据训练和调参只是前半程。真正让人头疼的是模型在测试集上表现很好但接一口新井的数据时预测结果怎么验证我一直认为岩性识别这件事模型输出只算一个辅助解释结果不是最终结论。所以做这套代码时我习惯把预测结果回写到原始深度序列上同时输出置信度分数这样还能跟现场采样或录井图对比。# 假设 new_well.csv 是待预测井的测井数据 well_new pd.read_csv(new_well.csv, encodinggbk) feature_cols [GR, RT, AC, DEN, CNL] # 关键必须用训练时保存的 scaler 和 encoder well_new_scaled scaler.transform(well_new[feature_cols]) # 预测结果和概率 lit_pred loaded_model.predict(well_new_scaled) lit_prob loaded_model.predict_proba(well_new_scaled) # 反编码为岩性名称 well_new[pred_lithology] loaded_encoder.inverse_transform(lit_pred) # 取预测概率最大值作为置信度 well_new[prob] np.max(lit_prob, axis1) # 按深度输出 well_new[[DEPTH, GR, RT, pred_lithology, prob]].to_csv(prediction_result.csv, indexFalse)这段代码有三个值得注意的细节。第一scaler.transform前千万不能对整口井做fit_transform必须沿用训练好的 scaler否则数据分布偏移。第二loaded_encoder.inverse_transform负责把整数编码反成岩性名这一步直接决定输出的结果能不能跟录井图直接对照第三置信度prob是一个很好的过滤工具如果某段深度的预测概率低于 0.5这处结果基本不可信需要结合人工解释判断。拿到预测结果后我一般会做两件事来验证可信度。一是画深度-岩性柱状对比图把模型预测结果跟该井已有的录井岩性描述叠加看吻合率二是统计每类岩性的平均 GR 和电阻率值区间跟地质规律对照——比如泥岩段通常 GR 高、电阻率低砂岩段 GR 低、电阻率相对高如果模型输出的“砂岩”段 GR 普遍偏高那就要检查是不是特征选择或训练数据标签出了问题。这个验证步骤比看测试集上的准确率更有说服力至少能让现场解释人员认可这份数据的参考价值。代码包里还附了一个预测接口脚本封装了从读取 CSV、缺失值填充、标准化、模型预测到输出结果的完整流程。实际使用中我会把feature_cols改成长度可配置的列表这样换井区时可以灵活增减曲线类型。但有一点不要偷懒换井区后如果用新井数据重新训练模型标准做法是先人工标注一小部分岩性作为训练标签然后按第 2 章到第 4 章的流程走一遍而不是直接拿原模型去预测毕竟不同井区的沉积环境不同特征分布会有漂移。从那以后我每次接新井数据都强制走一遍“人工抽查 10% 样本 → 跑模型 → 对照录井图验证”的流程这套步骤帮我挡掉过好几次数据异常导致的预测翻车希望帮到你。本文还有配套的精品资源点击获取