支持向量机在复杂岩性测井识别中的应用.pdfVIP

2009年 2月 大庆石油地质与开发 Feb．，2009 第28卷第 1期 Petroleum GeologyandOilfieldDevelopmentinDaqing V01．28No．1 DOI：10．3969／J．ISSN．1000．3754．2009．02．032 支持向量机在复杂岩性测井识别 中的应用 文 政 高松洋 毕广武 (1．中国石油大学资源与信息学院，北京 昌平 102249；2．大庆油田有限责任公司勘探开发研究院，黑龙江 大庆 163712) 摘要：针对海拉尔盆地乌南地区岩性复杂、岩性识别难的问题，在岩心分析资料的刻度下，首先采用主成分分 析法优化测井输人参数，然后利用支持向量机的方法进行学习预测，并与聚类分析和神经网络的分类结果进行 了比较。对 比表明，支持向量机具有结构简单 、适应性强、全局优化、训练时间短、泛化能力强等优点，尤其 是在解决小样本 、非线性和高维模式识别等问题方面，表现出其特有的优势。该方法克服了常规统计方法的局 限性，可以在有限样本的情况下得到全局最优解。应用效果表明，利用支持向量机方法识别岩性 ，具有解释精 度高，推广性好的特点，为复杂岩性识别提供了一种新方法。 关 键 词：支持向量机；测井；岩性识别 中图分类号：P631．8 11 文献标识码：A 文章编号：1000—3754 (2009)O2-0134-04 APPLICATIoNoFSUPPORTVECTORMACHINE (SVM)IN CoMPLEX LITHOLoGY IDENTIFICATIoN BY W ELL LoGGING WEN Zheng ，GAO Song—yang ，BIGuang．WU (1．ChinaUniversityofPetroleum，Beijing102249，China；2．EDResearchInstituteof DaqingOieldCompanyLtd．，Daqing163712，China) Abstract：Regardingtothecomplexanddifficult—to—identifiedproblemsofthelithologyinSouthWu~rxunre— gionofHaila~rbasin，underthecalibrationofcoreanalysis，principalcomponentsanalysisisadoptedtooptimize theinputparametersofwellloggingandthenthelearningandpredictionareperformedbysupportvectormachine， theresuh0ftheabovehasbeencomparedwiththoseofclusteranalysisandneuralnetwork．Comparisonresults show thatsupportvectormachinehasmeritslike simplestructure，flexibility，globaloptimization，short—time trainingandpopularization，whichshowsitsuniqueadvantagesinparticularforproblemslikesmallsample，nonlin— eatitvandhigh—dimensionalpattern identification．Thismethodhasovercomethelimitationsofroutinestatistic methodsandallowsglobaloptimizationunderlimitedsamples．Theapplicationofsupportvectormachinehasproved itanew methodofrcomplexlitholoyg identificationwithhighprecisionandpopu