基于主成分分析的Fisher判别法在L地区水淹层识别中的应用

被引:12
作者
王敏 [1 ]
张占松 [1 ]
胡松 [1 ]
严伟 [1 ]
王英伟 [1 ]
郭旭洋 [2 ]
机构
[1] 长江大学地球物理与石油资源学院油气资源与勘探技术教育部重点实验室(长江大学)
[2] 中国石油大学(北京)石油工程学院
关键词
水淹层识别; 主成分分析(PCA); Fisher判别分析(FDA); 聚合物驱;
D O I
10.16772/j.cnki.1673-1409.2010.04.018
中图分类号
P618.13 [石油、天然气];
学科分类号
0709 ; 081803 ;
摘要
经过多年的注水和聚合物驱开发,L油田水淹层测井响应变化异常。利用常规的交会图方法无法将该区的水淹层有效地区分开来,而直接的Fisher判别法也存在变量间重叠信息量大,分类识别精度不高的缺点。对此,笔者提出采用基于主成分分析的Fisher判别法,对水淹层进行了分类识别,正确识别率达到了87.95%,应用效果较好。
引用
收藏
页码:79 / 82
页数:4
相关论文
共 9 条
[1]   用Fisher判别法确定矿井突水水源 [J].
陈红江 ;
李夕兵 ;
刘爱华 ;
彭述权 .
中南大学学报(自然科学版), 2009, 40 (04) :1114-1120
[2]   用SAS和SPSS软件进行主成分分析 [J].
杨中荣 ;
毛广运 ;
臧桐华 ;
徐希平 .
中国卫生统计, 2009, (02) :212-213
[3]   费歇尔判别法及其应用 [J].
钟冲 ;
郭强 .
西南交通大学学报, 2008, (01) :136-141
[4]   主成分分析法和Fisher判别方法在汽油分类分析过程中的应用 [J].
王荣辉 ;
宗若雯 ;
王正洲 ;
廖光煊 .
中国科学技术大学学报, 2006, (12) :1331-1335+1341
[5]   多资料水淹层识别的模糊神经网络模型研究 [J].
朱华艳 ;
王树明 ;
郭万奎 ;
牛彦良 ;
魏国章 .
计算机工程与应用, 2006, (02) :226-229
[6]  
喇嘛甸油田砂岩井眼扩大机理和预防技术研究[D]. 李国庆.中国地质大学(北京) 2009
[7]  
基于模糊偏最小二乘的特征抽取方法研究[D]. 班怀芸.南京理工大学 2009
[8]  
基于主成分分析和支持向量机的组合判别分析方法研究[D]. 王惠婷.兰州大学 2009
[9]  
基于核Fisher判别的人脸识别方法研究[D]. 杜世强.陕西师范大学 2007