基于改进多分类孪生支持向量机的测井岩性识别方法研究与应用

• 作者: 倪艳 罗仁泽 苏赋 马磊
• 来源期刊: 地球物理学进展
• 学科: 地球科学
• 关键词: 模糊孪生支持向量机 不平衡数据集 岩性识别 合成少数过采样技术(SMOTE)
• 年，卷（期）: 2020,（1）
• 所属期刊栏目: 应用地球物理学Ⅰ(油气及金属矿产地球物理勘探)
• 页码范围: 174-180
• 页数: 7页
• 分类号: P631
• 语种: 中文
• DOI: 10.6038/pg2020DD0185

摘要

岩性识别是认识地层及求解储层参数的基础,受地质环境复杂性和非均质性影响,测井曲线间存在着大量的信息冗余,数据集类间分布不平衡,常用的分类算法无法满足实际需求.针对常用分类算法容错性差,识别岩性单一和无法有效解决类间不平衡的问题,本文改进合成少数过采样技术(SyntheticMinority Over Sampling Technique,SMOTE)来处理数据集,可得到类间平衡的新数据集,并提出一种新的模糊隶属度函数改进模糊孪生支持向量机,在北美Hugoton油气田实际测井数据的基础上,用改进多分类孪生支持向量(Improve Multi Class TwinSupport Vector Machine,IMCTSVM)综合自然伽马(GR)、电阻率(RL)、光电效应(PE)、中子密度孔隙度差异(DPHI)和平均中子密度孔隙度(PHIND)五种测井参数,以及相对位置(RELPOS)和非海洋/海洋指标(NM_M)两种地质约束变量,识别出9种岩性.将识别结果与传统支持向量机、深度神经网络等方法进行对比与分析,发现IMCTSVM算法优于上述两种分类算法,取得了较好的识别效果.