基于卷积神经网络和支持向量机的测井相识别

• 作者: 何旭 袁翔 陆智卿
• 来源期刊: 计算机与数字工程
• 学科: 地球科学
• 关键词: 卷积神经网络 支持向量机 测井相 泛化能力 定性分类
• 年，卷（期）: 2020,（9）
• 所属期刊栏目: 信息融合
• 页码范围: 2142-2146
• 页数: 5页
• 分类号: P631.81|TP183
• 语种: 中文
• DOI: 10.3969/j.issn.1672-9722.2020.09.013

摘要

建立测井相识别模型对于测井相分析解释具有十分重要的意义.基于卷积神经网络的特征提取和支持向量机分类特点,提出基于卷积神经网络和支持向量机的测井相定性分类模型,实现了测井曲线的自动识别.首先,选用测井数据中的自然伽马作为训练数据来源,在其中确定三种具有研究意义的曲线形态,经过数据处理得到训练数据集;然后,建立测井相分类模型,并在网络中引入L2范数,增加模型泛化能力;最后,使用极值法对实际测井数据划分识别单元.通过对该数据集进行分类识别实验,并与其他分类算法进行比较,验证了论文所提出的模型具有较好的识别效果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	何旭		10	11	3.0	3.0
2	陆智卿		2	0	0.0	0.0
3	袁翔		2	0	0.0	0.0