本書圍繞復雜油氣藏與非常規(guī)油氣藏，聚焦智能算法和井筒數(shù)據(jù)的融合，詳細介紹了數(shù)據(jù)清洗與預處理、經(jīng)典智能算法、集成學習算法與深度學習方法原理、最優(yōu)化問題演化算法，探討了機器學習與物理模型共同驅(qū)動理論，并舉例展示了上述智能算法在有機頁巖、致密砂巖、碳酸鹽巖測井解釋與地層評價中的應用，應用場景涵蓋巖性巖相識別、流體識別等分類問題，以及有機碳含量、孔隙度、滲透率、飽和度等參數(shù)回歸問題。全書系統(tǒng)梳理了人工智能的研究進展，詳細介紹了基本機器學習、集成學習、深度學習的算法原理，尤其是提出了分類委員會機器、回歸委員會，提高了測井流體識別、巖性識別等分類問題、孔隙度、滲透率、飽和度等回歸問題的精度，把反演算法和演化理論也歸并進來，與機器學習一起，使人工智能理論體系更加完整。針對單純數(shù)據(jù)驅(qū)動機器學習不足，創(chuàng)新提出了物理模型和機器學習雙輪驅(qū)動智能模式，提升了預測結(jié)果的可解釋性。