基于模糊支持向量机方法的岩性识别.pdfVIP

石油天然气学报 (江汉石油学院学报) 2009年 l2月 第 3l卷 第 6期 JournalofOilandGasTechnology (J．JPI) Dec．2009 Vo1．31No．6 基于模糊支持 向量机方法的岩性识别 张翔( 主薹 霎霎 )023) 肖小玲 (长江大学计算机科学学院，湖北荆州434023) 严良俊，胡文宝( 主薹 墨 。) [摘要]针对复杂岩性识别 中存在的模糊性，提 出一种基于模糊支持 向量机方法 的岩性识别方法。该方法 在传统支持 向量机方法 中引入样本对岩性类别的隶属度 ，充分考虑储层岩性划分的模糊性和相 同岩性对 应的特征参数值范围很大等 问题 。在模糊支持 向量机方法 中，依据样本 的重要性给不 同的样本赋予相应 的隶属度 ，使各样本在构造最优分类面 时起不 同的作用 ，从而使基于模糊支持 向量机 的岩性识别方法具 有更好 的抗噪性能及分类能力。应用效果表 明该方法具有适应性强 、识别精度高的优点 。 [关键词]岩性识别 ；支持 向量机 ；模糊性 ；隶属度 [中图分类号]P631．84 [文献标识码]A [文章编号]1000—9752(2009)O6一o115一o4 自从 1982年 wolf等人首次提出根据测井资料 自动判定地层岩性以来 ，利用计算机 自动进行岩性 识别已成为测井技术发展的重要方向。近年来 ，大多采用聚类分析和神经 网络等模式识别方法 自动识别 复杂岩性口]，但这些方法各有不同：聚类分析方法只有训练样本趋于无穷大时，其性能才能在理论上 得以保证 ，而测井岩性识别是一个小样本学习过程，这就限制了其在岩性识别中的应用。人工神经 网络 在小样本识别 中比较有效，但其网络拓扑结构 尚无理论指导 ，且易陷入局部最优解等缺点 j，使其在岩 性识别中应用效果不佳。宋延杰等人提出了利用在解决模式识别小样本、非线性及高维 问题中具有独特 优势的支持向量机方法来识别岩性 ，解决 了聚类分析和神经网络等模式识别方法 自动识别复杂岩性存在 的问题 ，在一定 的程度上提高了岩性识别率 ]。由于沉积环境的复杂性及测井参数分布的模糊性，表 征各类复杂岩性 的特征参数值没有明显的区分界限，同时，相 同的岩性对应的特征参数值范围很大 ，多 条测井曲线响应值往往呈现模糊性 。对这种客观存在的模糊性 ，用传统方法建立的精确数学模型判别岩 性 ，解释结果很难符合实际L6。 针对复杂岩性识别 中存在的模糊性 ，笔者在传统支持向量机方法 中引人岩层样本对岩性类别的隶属 度，充分考虑储层岩性划分的模糊性和相同岩性对应的特征参数值范 围很大等问题 ，提出一种基于模糊 支持向量机方法的岩性识别方法。 1 模糊支持向量机方法 采用模糊支持向量机进行分类时，相对于传统支持向量机的训练样本，除了样本的特征与类属标识 外 ，模糊支持向量机训练的每个样本还增加了隶属度一项 。 一 般情况下 ，确定隶属度大小的基本原则是依据样本所在类中的相对重要性 ，或对所在类贡献的大 小。样本到类 中12,之间的距离是衡量样本对所在类贡献大小的依据之一 。基于距离的隶属度函数 的确定 是将样本的隶属度看作是特征空间中样本与其所在类 中心之间距离 z 的函数 。设 为类中心 ，r为类半 [收稿 日期]2009—10—02 C基金项目]中国石油科技创新基金项目 (2009E5006034)；国家 973 规划项目 (2007CB209607)。 [作者简介]张翔 (1969一)，男，1991年江汉石油学院毕业，博士 (后)，教授，现从事地球物理信息处理、储层评价与成像测井等 方面的研究工作。 石油天然气学报 (江汉石油学院学报) 2009年 12月 径 ，由下式确定 ： r=maxllz一-z (1) 则依据距离确定隶属度时，类 中各样本的隶属度为 ： ( )一 1一 生 + (2)