| 基于自适应粒子群优化最小二乘支持向量机的深层变质岩测井岩性识别 |
| |
| 引用本文： | 张涛,李艳萍,刘晓宇,李明月,王俊杰.基于自适应粒子群优化最小二乘支持向量机的深层变质岩测井岩性识别[J].地球物理学进展,2023(1):382-392. |
| |
| 作者姓名： | 张涛 李艳萍 刘晓宇 李明月 王俊杰 |
| |
| 作者单位： | 1. 山东科技大学地球科学与工程学院;2. 中海油能源发展有限公司工程技术分公司;3. 中国石油大学(华东)地球科学与技术学院 |
| |
| 摘 要： | 辽河坳陷中央凸起中南部基底变质岩类型多样，测井岩石物理参数与岩性之间的映射关系复杂，测井响应多解性强，导致传统的测井岩性识别方法结果不精确.本文采用基于自适应粒子群参数优化的最小二乘支持向量机算法进行变质岩的测井多参数岩性识别.通过变质岩测井岩石物理分析，优选出对岩性敏感的自然伽马、自然电位、声波时差、深侧向电阻率、密度和补偿中子6种测井参数作为特征输入，以自适应粒子群算法优化最小二乘支持向量机参数，构建岩性判别模型，预测目的层段变粒岩、混合花岗岩、混合片麻岩、混合岩和角闪岩5种类型变质岩的垂向分布.与支持向量机、K最邻近及人工神经网络算法的岩性识别效果相比，本方法判别准确率最高，符合率为90.17%,在随机划分的10次样本预测中本模型稳定性最强，分类性能最好，平均AUC值为0.974,有效解决了深层基底变质岩储层精细描述中的岩性精准识别难题.
|
| 关 键 词： | 深层变质岩 机器学习 测井识别 自适应粒子群优化算法 最小二乘支持向量机 |
|
|
