基于t分布随机近邻嵌入的测井数据降维方法研究

摘要：

测井数据具有多维、多类、多量等显著特征,是测井资料地质解释工作的重要依据.针对测井数据处理过程中的多维度、非线性问题,文章应用流形学习思想进行测井数据降维,提出基于t分布随机近邻嵌入(t-distributed stochastic neighbor embedding,t-SNE)算法的测井数据解释模型:首先对测井数据进行预处理,并通过计算KL散度优选最佳维数,进而运用t-SNE算法将高维测井数据嵌入到低维空间;再结合支持向量机(support vector machine,SVM),构建t-SNE-SVM岩性解释模型,实现高维测井数据的非线性随机降维和岩性智能识别.实验结果表明,与传统的PCA等线性降维方法相比,经过t-SNE算法处理后的测井数据明显分为3类,进而有效地提高了t-SNE-SVM模型的透明度及可解释性.

关键词：测井数据、非线性降维、t-SNE、t-SNE-SVM、岩性识别

所属期刊栏目：45

分类号：P628.1(地质、矿产普查与勘探)

资助基金：国家自然科学基金;国家自然科学基金;国家自然科学基金

在线出版日期：2022-05-11（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：549-553,569