PSO-LIBSVM在钾盐矿层识别中的应用研究

• 作者: 杨福强 陈科贵 黄长兵 陈愿愿 李进 马小林
• 来源期刊: 地球科学进展
• 关键词: 四川盆地 测井数据 粒子群算法 支持向量机 杂卤石识别
• 年，卷（期）: 2021,（null）
• 所属期刊栏目: 研究论文
• 页码范围: 757-764
• 页数: 7页
• 分类号: P619.21
• 语种: 中文
• DOI: 10. 11867/j. issn. 1001-8166. 2019. 07. 0757.

摘要

钾盐的紧缺严重制约了中国农业的发展，加大钾盐的勘探开发力度有助于提高我国钾盐的自给自足能力。四川盆地钾盐资源丰富，是我国目前重要的钾盐勘探开发研究区域之一。杂卤石作为四川盆地最重要的固态钾盐矿物，常夹杂在硬石膏、岩盐和白云岩等岩层中。针对常规测井解释方法难以精确识别杂卤石的问题，因此，提出一种新的基于粒子群算法（PSO）优化的支持向量机（SVM）杂卤石识别方法开展四川盆地杂卤石的分类识别研究。以PSO和SVM理论为基础，结合测井解释方法，选择对杂卤石测井响应灵敏的有效数据作为输入样本，随机产生训练集和测试集，并采用PSO优选出径向基核函数参数，建立杂卤石分类预测模型。与录井结果对比，基于PSO的SVM模型识别准确率达到了97.5758%，在识别精度和速度上明显优于交叉验证方法优化的SVM模型。结果表明，该模型在四川盆地钾盐勘探中具有广阔的应用前景。