PSO-LSSVM分类模型在岩性识别中的应用

被引：8

作者：

程国建

郭瑞华

机构：

[1] 西安石油大学计算机学院

来源：

西安石油大学学报(自然科学版) | 2010年 / 25卷 / 01期

关键词：

岩性识别; 测井资料; 最小二乘支持向量机; 粒子群优化算法;

D O I：

暂无

中图分类号：

TP18 [人工智能理论];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ;

摘要：

为了精确解决测井岩性识别问题,提出了一种将粒子群优化算法(PSO)与最小二乘支持向量机(LSSVM)相结合对实际测井资料进行岩性识别的方法.首先使用粒子群优化算法对LSSVM建模过程中的重要参数进行优化调整,然后利用参数优化调整后得到的具有较优分类效果的PSO-LSSVM模型对某油田的测井资料进行岩性识别.实验结果表明:同基于交叉验证的支持向量机模型以及单隐层的BP神经网络模型相比,该方法能够很好描述测井数据和岩性类别之间的非线性映射关系,识别精度高,并提高了算法的自动化程度.

引用

页码：96 / 99+114 +114

页数：5