基于PCA-SVM的砂砾岩岩性识别

作者：林香亮; 朱建伟^*; 刘光寿; 李世豪; 陈雪娇; 丁旭艳; 袁瑞; 王德鹏

来源：长江大学学报(自然科学版), 2020, 17(01): 21-5.

DOI：10.16772/j.cnki.1673-1409.2020.01.004

• 砂砾岩
• 岩性识别
• 主成分分析(PCA)
• 支持向量机(SVM)

利用测井资料识别岩性实质是建立非线性数据模型的过程。表征复杂岩性的测井曲线相似度较高,对岩性识别存在一定的干扰,为此提出一种基于主成分分析(PCA)和支持向量机(SVM)的砂砾岩岩性识别预测模型:通过主成分分析对预处理后的测井数据进行主成分提取,利用提取的主成分建立支持向量机岩性识别预测模型。将测试样本数据输入模型中进行自动分类,最终该方法的岩性识别正确率达到87.07%。应用结果表明,将主成分分析与支持向量机相结合,在降低数据维度的同时,提高了岩性识别准确率,是一种实用且有效的识别复杂岩性的方法,具有一定的推广和应用价值。

• 单位
  中国石油集团测井有限公司; 数学学院