智能系统学报
智能繫統學報
지능계통학보
CAAI TRANSACTIONS ON INTELLIGENT SYSTEMS
2014年
1期
98-103
,共6页
岩层识别%支持向量机%有序聚类%训练样本%分类器
巖層識彆%支持嚮量機%有序聚類%訓練樣本%分類器
암층식별%지지향량궤%유서취류%훈련양본%분류기
stratum identification%support vector machine%ordered clustering%training samples%classifier
由于支持向量机进行分类前需要先使用训练样本训练分类器，而在岩层识别问题中没有训练样本，针对此问题，提出一种基于有序聚类的支持向量机岩层识别分类算法。首先利用有序聚类算法对经滤波和归一化后的测井数据进行初步分层，然后根据初步分层结果获取训练样本，最后用训练后的支持向量机分类器对测井数据进行第2次分层。应用该算法对选取的3口井的岩性进行自动识别，并将该算法的识别结果与其他算法进行比较。仿真实验结果表明，该算法具有较高的准确率，每种岩层的平均准确率能达到85％，解决了岩层识别前必须采用已知类别的数据对支持向量机进行训练的弊端。
由于支持嚮量機進行分類前需要先使用訓練樣本訓練分類器，而在巖層識彆問題中沒有訓練樣本，針對此問題，提齣一種基于有序聚類的支持嚮量機巖層識彆分類算法。首先利用有序聚類算法對經濾波和歸一化後的測井數據進行初步分層，然後根據初步分層結果穫取訓練樣本，最後用訓練後的支持嚮量機分類器對測井數據進行第2次分層。應用該算法對選取的3口井的巖性進行自動識彆，併將該算法的識彆結果與其他算法進行比較。倣真實驗結果錶明，該算法具有較高的準確率，每種巖層的平均準確率能達到85％，解決瞭巖層識彆前必鬚採用已知類彆的數據對支持嚮量機進行訓練的弊耑。
유우지지향량궤진행분류전수요선사용훈련양본훈련분류기，이재암층식별문제중몰유훈련양본，침대차문제，제출일충기우유서취류적지지향량궤암층식별분류산법。수선이용유서취류산법대경려파화귀일화후적측정수거진행초보분층，연후근거초보분층결과획취훈련양본，최후용훈련후적지지향량궤분류기대측정수거진행제2차분층。응용해산법대선취적3구정적암성진행자동식별，병장해산법적식별결과여기타산법진행비교。방진실험결과표명，해산법구유교고적준학솔，매충암층적평균준학솔능체도85％，해결료암층식별전필수채용이지유별적수거대지지향량궤진행훈련적폐단。
The support vector machine ( SVM ) needs training samples to train itself before identifying stratum , while there are no training samples with stratum identification .Focusing on this problem , this paper puts forward a vector machine classifier based on the ordered clustering algorithm .Firstly, the ordered clustering algorithm is used to get preliminary layered logging data which have been filtered and normalized .Secondly , the training samples are obtained according to preliminary layered outcomes .Finally, the data are layered again by the trained SVM classifi-er.The algorithm is used to automatically identify the lithology of the selected three wells , and compared with the results of the other algorithms .The results of the simulation experiment show that the algorithm overcomes the draw-backs that the labeled data has to adopt when training SVM , and improves the accuracy of each stratum , reaching 85%on average .
