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。
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
单位:西南石油大学地球科学与技术学院; 四川成都610500; 中国石油化工集团中原油田; 河南濮阳457000; 川庆钻探工程有限公司地球物理勘探公司; 四川成都610213
注:因版权方要求,不能公开全文,如需全文,请咨询杂志社
相关期刊
Applied Geophysics Pedosphere Applied Mathematics and Mechanics Chinese Physics C Chinese Physics B China Petroleum Processing Petrochemical Technology Petroleum Science Chinese Optics Letters Advances in Atmospheric Sciences Applied Mathematics:A Journal of Chinese Universities相关范文
ps在平面设计中的应用