中国海洋大学学报（自然科学版）
中國海洋大學學報（自然科學版）
중국해양대학학보（자연과학판）
PERIODICAL OF OCEAN UNIVERSITY OF CHINA
2010年
9期
131-136
,共6页
任立辉%李文东%慈兴华%史晓凤%孙政%郑荣儿
任立輝%李文東%慈興華%史曉鳳%孫政%鄭榮兒
임립휘%리문동%자흥화%사효봉%손정%정영인
PDC钻头%石油录井%LIBSVM%核函数%岩屑岩性描述
PDC鑽頭%石油錄井%LIBSVM%覈函數%巖屑巖性描述
PDC찬두%석유록정%LIBSVM%핵함수%암설암성묘술
针对在PDC钻头条件下石油录井过程中的岩屑岩性难以用肉眼识别,以及传统分类器准确率低的问题,该文利用和差直方图变换、傅里叶变换、Gabor变换3种不同的岩屑图像特征提取技术,将岩屑样品进行特征提取,并设定LIBSVM分类器的分类参数,根据得到的岩性识别率的高低来确定最优的参数组合.结果表明,SVM设置类型上选择NU SVC、核函数选择RBF、分类参数gamma设置为0.1、nu设置为0.11的参数组合可获得较高的岩性识别率.其中采用Gabor特征提取方式和LIBSVM分类器对现场岩屑样品进行测试,获得的岩性识别率最高,对现场泥岩和砂岩的平均识别率分别为95%和90%.与神经网络分类器分类结果比较,该方法能更好地分析岩屑的岩性,可望在现场得以推广应用.
針對在PDC鑽頭條件下石油錄井過程中的巖屑巖性難以用肉眼識彆,以及傳統分類器準確率低的問題,該文利用和差直方圖變換、傅裏葉變換、Gabor變換3種不同的巖屑圖像特徵提取技術,將巖屑樣品進行特徵提取,併設定LIBSVM分類器的分類參數,根據得到的巖性識彆率的高低來確定最優的參數組閤.結果錶明,SVM設置類型上選擇NU SVC、覈函數選擇RBF、分類參數gamma設置為0.1、nu設置為0.11的參數組閤可穫得較高的巖性識彆率.其中採用Gabor特徵提取方式和LIBSVM分類器對現場巖屑樣品進行測試,穫得的巖性識彆率最高,對現場泥巖和砂巖的平均識彆率分彆為95%和90%.與神經網絡分類器分類結果比較,該方法能更好地分析巖屑的巖性,可望在現場得以推廣應用.
침대재PDC찬두조건하석유록정과정중적암설암성난이용육안식별,이급전통분류기준학솔저적문제,해문이용화차직방도변환、부리협변환、Gabor변환3충불동적암설도상특정제취기술,장암설양품진행특정제취,병설정LIBSVM분류기적분류삼수,근거득도적암성식별솔적고저래학정최우적삼수조합.결과표명,SVM설치류형상선택NU SVC、핵함수선택RBF、분류삼수gamma설치위0.1、nu설치위0.11적삼수조합가획득교고적암성식별솔.기중채용Gabor특정제취방식화LIBSVM분류기대현장암설양품진행측시,획득적암성식별솔최고,대현장니암화사암적평균식별솔분별위95%화90%.여신경망락분류기분류결과비교,해방법능경호지분석암설적암성,가망재현장득이추엄응용.
