一种测井岩性识别的寻优模型

摘要：

岩土作为一种极其复杂的材料,通常会受到外界多种因素的影响而发生变化,这些影响因素既包括断层、裂隙、雨水冲刷和腐蚀等天然环境因素,也包括众多的人为因素,从而导致测井岩性的识别会产生大量的干扰数据.在对大数据量的信息寻优处理的算法中,支持向量机(Support Vector Machine,SVM)是一种受到广泛关注的寻优方法.但是传统的SVM寻优方法存在耗时长的缺陷,因此将传统SVM寻优当中的留一交叉法改为K折交叉法,并利用这种优化的SVM对测井岩性数据进行寻优处理,来进行测井岩性的识别.对比试验结果表明,相对于传统支持向量机的寻优算法,该方法具有识别正确率高、收敛速度快等优点.

关键词：测井岩性识别、SVM、最优数据

所属期刊栏目：41

分类号：TP392(计算技术、计算机技术)

在线出版日期：2015-01-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共3页

页码：430-431,450