文献类型：期刊文章

作　　者：牟丹[1] 张丽春[1] 徐长玲[1]

Mou Dan;Zhang Lichun;Xu Changling(School of Mathematics and Statistics,Beihua University,Jilin132013,Jilin,China)

机构地区：[1]北华大学数学与统计学院,吉林吉林132013

出　　处：《吉林大学学报（地球科学版）》

基　　金：吉林省教育厅“十三五”科学技术项目(JJKH20170023KJ);国家重点基础研究发展计划(“973”计划)项目(2012CB822002)。

年　　份：2021

卷　　号：51

期　　号：3

起止页码：951-956

语　　种：中文

收录情况：AJ、BDHX、BDHX2020、CAB、CAS、CSCD、CSCD2021_2022、IC、JST、PA、PROQUEST、RCCSE、SCOPUS、WOS、ZGKJHX、核心刊

摘　　要：岩性识别一直是火山岩油气勘探中的重要课题,基于测井数据的岩性识别也逐渐成为火山岩研究的需要,大数据背景下的机器学习算法为测井岩性识别提供了一个新方向。为提高某研究区火山岩岩性识别符合率,本文采用K近邻、支持向量机和自适应增强3种经典机器学习算法,对研究区内的粗面岩、非致密粗面岩、辉绿岩、辉长岩、玄武岩和非致密玄武岩等6类中基性火山岩进行岩性识别。从常规测井系列中优选对研究区岩性敏感的自然伽马、声波时差、补偿中子、深侧向电阻率和补偿密度等5种测井参数作为岩性识别模型的输入向量,从研究区内5口有岩心样品或薄片鉴定资料的目标层中选取测井数据点1 440个,其中960个作为训练样本,其余480个作为测试样本。以识别符合率和时间作为评价指标,对3种算法的识别结果进行对比分析,实验表明:自适应增强算法的分类准确率最高,6类岩性平均识别符合率达到82.10%;支持向量机算法表现良好,平均识别符合率为81.04%;K近邻算法平均识别符合率为76.04%。

关 键 词：K近邻 支持向量机 自适应增强算法 火山岩 岩性识别

分 类 号：P631.8]