| 基于遗传算法优化的支持向量机在岩性识别中的应用 |
| |
| 引用本文： | 张昭杰,方石.基于遗传算法优化的支持向量机在岩性识别中的应用[J].世界地质,2019(2):486-491. |
| |
| 作者姓名： | 张昭杰 方石 |
| |
| 作者单位： | 吉林大学地球科学学院 |
| |
| 基金项目： | 国家自然科学基金(41472173)资助 |
| |
| 摘 要： | 为提高测井岩性识别的精度,本文结合乌夏地区岩芯资料和测井数据,总结该地区砂砾岩测井响应特征,优选出声波、自然伽马、密度、中子孔隙度和电阻率等5条测井曲线参数作为训练和测试样本,通过遗传算法挑选出最佳的支持向量机核函数参数σ和惩罚因子C,建立支持向量机岩性识别模型。结果表明该模型实际数据预测总体符合率为81.6%,在识别准确率上与传统测井识别砂砾岩岩性方法相比都有明显提升。
|
| 关 键 词： | 岩性识别 测井数据 砂砾岩 支持向量机 遗传算法 |
Application of Support Vector Machine in lithology identification based on genetic algorithm optimization |
| |
| ZHANG Zhao-jie,FANG Shi.Application of Support Vector Machine in lithology identification based on genetic algorithm optimization[J].World Geology,2019(2):486-491. |
| |
| Authors: | ZHANG Zhao-jie FANG Shi |
| |
| Institution: | (College of Earth Sciences,Jilin University,Changchun 130061,China) |
| |
| Abstract: | ZHANG Zhao-jie;FANG Shi(College of Earth Sciences,Jilin University,Changchun 130061,China) |
| |
| Keywords: | lithology identification logging data glutenite Support Vector Machine genetic algorithm |
| 本文献已被 CNKI 维普 等数据库收录！ |
|
