摘要：对测井资料与地层可钻性级值的关系进行了分析，提出了一种基于粒子群优化支持向量机算法预测地层可钻性级值的新方法，利用测井声波时差、地层密度、泥质质量分数和地层深度进行学习训练支持向量机，并利用粒子群优化算法对支持向量机（PSO-SVM）参数进行优化，建立了预测地层可钻性级值的支持向量机模型。应用该方法对准噶尔盆地庄2井的地层可钻性级值进行了预测，并将该方法的预测结果与BP神经网络方法的预测结果进行了比较。结果表明，该方法优于BP神经网络方法，具有预测精度高、收敛速度快、推广能力强等优点。

关键词：地层可钻性 粒子群优化算法 支持向量机 测井资料 参数优化 

单位：中国石油大学信息与控制工程学院 山东东营257061 中国石化胜利石油管理局钻井工艺研究院 山东东营257017