摘要:岩石类型的识别对于钻进工程的安全和经济效益具有重要意义。钻进过程中的岩石类型实时识别大多是通过随钻测井，但由于随钻测井成本昂贵，在地质勘探领域鲜见应用。本文挖掘深部探测Sinoprobe-05项目金川科钻的钻进多参数（钻速、钻压、转速、钻头扭矩、泵压力、泵量）数据，通过一种融合模型算法来识别岩石类型。首先采用Savitzky-Golay平滑滤波器降低钻进参数数据的噪声，然后对数据进行了归一化。最后运用融合模型预测和识别岩石类别。融合模型的初级学习器为支持向量机、人工神经网络和随机森林，通过次级学习器贝叶斯模型平均算法对每个模型的权重进行计算。结果表明，多模型融合算法准确率为0.9686，比每个单独的算法准确率高。