基于连续限制玻尔兹曼机的支持向量机岩性识别方法

被引：19

作者：

吴施楷 ^{[1
,2
]}

曹俊兴 ^{[1
,2
]}

机构：

[1] 油气藏地质及开发工程国家重点实验室,成都理工大学

[2] 成都理工大学地球物理学院

来源：

地球物理学进展 | 2016年 / 31卷 / 02期

关键词：

岩性识别; 支持向量机; 特征优化; 连续限制玻尔兹曼机; 主成分分析;

D O I：

暂无

中图分类号：

P631.81 [];

学科分类号：

0818 ; 081801 ; 081802 ;

摘要：

基于测井数据分析的岩性识别是油气地球物理勘探的基础性问题之一.支持向量机(SVM)是目前分辨能力最高的岩性识别方法,特征优化可提高SVM的识别正确率,该方法采用主成分分析(PCA)进行目标特征提取,易受特征选取的影响.针对诸如白云岩和灰岩的区分等测井响应差别不明显,岩性区分困难而又必须进行的问题,本文引入概率生成模型连续限制玻尔兹曼机(CRBM)进行测井数据岩性特征提取,然后再运用SVM在提取特征上进行岩性识别.运用所发展的CRBMSVM进行川西海相灰岩及白云岩的识别,正确率达到了81.9%.基于同样的支持向量机,CRBM提取特征识别正确率要高于PCA提取特征.

引用

收藏

页码：821 / 828

页数：8

相关论文

共 26 条

[1] 地球物理测井岩性解释方法综述 [J].

赵显令 ;

王贵文 ;

周正龙 ;

王迪 ;

冉冶 ;

孙艳慧 ;

张晓涛 ;

李梅 .

地球物理学进展, 2015, 30 (03) :1278-1287

[2] 基于SVM测井数据的火山岩岩性识别——以辽河盆地东部坳陷为例 [J].

牟丹 ;

王祝文 ;

黄玉龙 ;

许石 ;

周大鹏 .

地球物理学报, 2015, 58 (05) :1785-1793

[3] 基于支持向量机法识别砂岩中流体类型 [J].

宋超 ;

郭智奇 ;

鹿琪 ;

冯晅 ;

姜宇航 ;

刘财 .

地球物理学进展, 2015, 30 (02) :616-620

[4] 主成分分析在塔中地区奥陶系鹰山组碳酸盐岩岩性识别中的应用 [J].

杨兆栓 ;

林畅松 ;

尹宏 ;

李浩 ;

王清龙 ;

薛学亚 ;

高达 .

天然气地球科学, 2015, 26 (01) :54-59

[5] 利用独立成分分析和朴素贝叶斯算法识别含硬石膏储层的岩性 [J].

石宁 ;

李洪奇 ;

罗伟平 .

西安石油大学学报(自然科学版), 2013, 28 (05) :39-42+4

[6] 应用最小二乘支持向量机识别广利油田沙四段储层岩性 [J].

韩学辉 ;

支乐菲 ;

刘荣 ;

杨体源 ;

李亚萍 .

地球物理学进展, 2013, 28 (04) :1886-1892

[7] 龙门山前陆盆地深层海相碳酸盐岩储层地震预测研究 [J].

曹俊兴 ;

刘树根 ;

田仁飞 ;

王兴建 ;

何晓燕 .

岩石学报, 2011, 27 (08) :2423-2434

[8] 基于ICA、PCA与SVM方法的沉积微相定量识别 [J].

刘静 ;

李正从 ;

王智 ;

张翔 .

测井技术, 2011, 35 (03) :262-265

[9] 支持向量机模型在火山岩储层预测中的应用——以徐家围子断陷徐东斜坡带为例 [J].

张尔华 ;

关晓巍 ;

张元高 .

地球物理学报, 2011, 54 (02) :428-432

[10] 最小二乘支持向量机的算法研究 [J].

顾燕萍 ;

赵文杰 ;

吴占松 .

清华大学学报(自然科学版), 2010, 50 (07) :1063-1066+1071