CAJ | 학술논문

基于优化算法与分类算法的基本原理,针对K-Means优化后的岩心、测井和产液数据集,利用自组织特征映射神经网络SOM聚类建立岩性预测模型,综合决策树和支持向量机建立流体预测模型,并利用遗传算法、网格算法和二次算法对支持向量机的重要参数进行优化,以精确识别复杂储集层岩性和多相流体.对准噶尔盆地东部五彩湾凹陷石炭系复杂储集层4口新井进行精细解释,SOM岩性预测模型、决策树和支持向量机流体预测模型识别准确率分别为91.30％和95.65％,岩性复杂并非导致该储集层中流体性质差异的主要因素；由于研究区数据集复杂性和非线性程度不够强,导致决策树的建模精度优于支持向量机,分别为94.31％和86.97％,且线性的多项式函数性能优于径向基函数RBF和神经元函数Sigmoid、支持向量分类机中C-SVC的分类性能和泛化能力强于v-SVC.图3表4参24
기우우화산법여분류산법적기본원리,침대K-Means우화후적암심、측정화산액수거집,이용자조직특정영사신경망락SOM취류건립암성예측모형,종합결책수화지지향량궤건립류체예측모형,병이용유전산법、망격산법화이차산법대지지향량궤적중요삼수진행우화,이정학식별복잡저집층암성화다상류체.대준갈이분지동부오채만요함석탄계복잡저집층4구신정진행정세해석,SOM암성예측모형、결책수화지지향량궤류체예측모형식별준학솔분별위91.30％화95.65％,암성복잡병비도치해저집층중류체성질차이적주요인소；유우연구구수거집복잡성화비선성정도불구강,도치결책수적건모정도우우지지향량궤,분별위94.31％화86.97％,차선성적다항식함수성능우우경향기함수RBF화신경원함수Sigmoid、지지향량분류궤중C-SVC적분류성능화범화능력강우v-SVC.도3표4삼24