基于卷积神经网络和支持向量机的测井相识别
何旭
陆智卿
袁翔
中国石油大学(华东)计算机与通信工程学院 青岛 266580
摘要：建立测井相识别模型对于测井相分析解释具有十分重要的意义.基于卷积神经网络的特征提取和支持向量机分类特点,提出基于卷积神经网络和支持向量机的测井相定性分类模型,实现了测井曲线的自动识别.首先,选用测井数据中的自然伽马作为训练数据来源,在其中确定三种具有研究意义的曲线形态,经过数据处理得到训练数据集;然后,建立测井相分类模型,并在网络中引入L2范数,增加模型泛化能力;最后,使用极值法对实际测井数据划分识别单元.通过对该数据集进行分类识别实验,并与其他分类算法进行比较,验证了论文所提出的模型具有较好的识别效果.
关键词：卷积神经网络支持向量机测井相泛化能力定性分类
分类号：P631.81(天文学、地球科学)TP183(自动化基础理论)
资助基金：2016D-5007-0305)((编号)
论文发表日期：2020-09-20
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：5( 2142-2146 )
英文信息