| 基于粒子群优化相关向量机的岩层可钻性预测 |
| |
| 引用本文： | 韩丽丽.基于粒子群优化相关向量机的岩层可钻性预测[J].探矿工程,2016,43(3):23-26. |
| |
| 作者姓名： | 韩丽丽 |
| |
| 作者单位： | 中国地质科学院勘探技术研究所 |
| |
| 基金项目： | 中国地质调查局地质调查项目“鄂尔多斯盆地陇东严重缺水地区水文地质调查”（编号：12120113016900） |
| |
| 摘 要： | 本文提出了一种基于粒子群优化相关向量机（PSO-RVM）的岩层可钻性预测方法。该方法选取岩层埋深H、声波时差AC、电阻率ρd、岩层密度ρ和泥质含量Vsh等5个参数作为评价岩层可钻性的基本参数。以某油田Du4钻井为例，采用PSO-RVM方法、多元回归方法和RVM方法对岩层可钻性进行评价。计算结果表明，PSO-RVM模型的预测结果与实测数据非常接近，其预测精度明显高于多元回归方法和RVM方法，说明本文提出的方法具有一定的优越性和较高的精度，可以较好地应用于钻井工程中岩层可钻性预测。
|
| 关 键 词： | 粒子群算法 支持向量机算法 岩层可钻性 |
| 收稿时间： | 2016/1/13 0:00:00 |
| 修稿时间： | 2016/1/13 0:00:00 |
Drillability of Rock Formations Assessment by Relevance Vector Machine Based on Particle Swarm Optimization |
| |
| HAN Li-li.Drillability of Rock Formations Assessment by Relevance Vector Machine Based on Particle Swarm Optimization[J].Exploration Engineering(Drilling & Tunneling),2016,43(3):23-26. |
| |
| Authors: | HAN Li-li |
| |
| Institution: | The Institute of Exploration Techniques, CAGS |
| |
| Abstract: | |
| |
| Keywords: | particle swarm optimization support vector machine algorithm rock drillability |
|
| 点击此处可从《探矿工程》浏览原始摘要信息 |
| 点击此处可从《探矿工程》下载免费的PDF全文 |
