<?xml version="1.0" encoding="UTF-8"?>
<!DOCTYPE article PUBLIC "-//NLM//DTD JATS (Z39.96) Article Authoring DTD v1.4 20240229//EN" "JATS-articleauthoring1.dtd">
<article article-type="research-article" xml:lang="zh-CN" xmlns:xlink="http://www.w3.org/1999/xlink">
  <front>
    <journal-meta>
      <journal-id journal-id-type="publisher-id">28</journal-id>
      <journal-title-group>
        <journal-title>《现代化工技术》原《现代化工》</journal-title>
        <abbrev-journal-title>Modern Chemical Engineering Technology</abbrev-journal-title>
      </journal-title-group>
      <issn>ISSN：3104-770X(P)/3104-7718(O)；原ISSN：2661-3670(P)/2661-3689(O)</issn>
      <publisher>
        <publisher-name>华文国际出版社</publisher-name>
      </publisher>
    </journal-meta>
    <article-meta>
      <article-id pub-id-type="publisher-id">9414</article-id>
      <title-group>
        <article-title>高光谱结合随机森林的四类砂岩岩性识别方法 研究</article-title>
      </title-group>
      <contrib-group>
        <contrib contrib-type="author">
          <string-name>李 莹 焦 龙 （西安石油大学化学化工学院 陕西西安 710065）</string-name>
        </contrib>
      </contrib-group>
      <pub-date pub-type="epub">
        <year>2024</year>
        <month>11</month>
      </pub-date>
      <issue>11</issue>
      <abstract>
        <p>提出了一种高光谱技术结合机器学习算法的岩性识别方法。使用小波变换方法对泥质砂岩、
细粒砂岩、中细粒砂岩和沙砾岩四类岩心样本的高光谱数据进行预处理，采用随机森林（random forest，
RF）算法建立识别模型。结果表明，经小波变换数据预处理，采用随机森林算法可建立识别模型，
此模型对测试集样本的识别准确率为 99.50%。这说明高光谱检测技术与随机森林算法相结合能够对泥
质砂岩、细粒砂岩、中细粒砂岩和沙砾岩四类岩心进行准确识别。</p>
      </abstract>
    </article-meta>
  </front>
</article>
