[发明专利]一种基于改进多分类孪生支持向量机的测井岩性识别方法在审

专利信息
申请号: 201910781790.4 申请日: 2019-08-23
公开(公告)号: CN110516733A 公开(公告)日: 2019-11-29
发明(设计)人: 罗仁泽;马磊;苏赋;袁杉杉;吕沁;王瑞杰;张可 申请(专利权)人: 西南石油大学
主分类号: G06K9/62 分类号: G06K9/62;G06Q10/06;G06Q50/02
代理公司: 暂无信息 代理人: 暂无信息
地址: 610500 四*** 国省代码: 四川;51
权利要求书: 查看更多 说明书: 查看更多
摘要: 发明公开了一种基于改进多分类孪生支持向量机的岩性识别方法,岩性识别是认识地层及求解储层参数的基础,受地质环境复杂性和非均质性影响,测井曲线间存在着大量的信息冗余和数据集类间分布不平衡问题,标准分类算法无法满足实际需求。针对现有的标准分类算法容错性差,识别岩性单一和无法有效克服类间不平衡的问题,本发明利用过采样数据,得到更利于训练改进多分类孪生支持向量机的数据集,提出一种新的模糊隶属度函数改进孪生支持向量机,使得改进后的孪生支持向量机更适合用于训练测井数据,有效提高了岩性识别的准确率。
搜索关键词: 支持向量机 岩性识别 标准分类 数据集 算法 过采样数据 模糊隶属度 改进 测井曲线 测井数据 地质环境 非均质性 函数改进 实际需求 信息冗余 容错性 分类 准确率 求解 岩性 地层
【主权项】:
1.一种基于改进多分类孪生支持向量机的测井岩性识别方法,其特征在于包括以下步骤:/n步骤1:将数据集T中小数据类样本过采样,得到各类平衡的新数据集T';/n步骤2:对新数据集T'进行预处理,并制作标签,以0~k-1表示k类岩性的标签,k为大于等于1的正整数,将新测井数据集划分成训练集和测试集;/n步骤3:设计一种新的模糊隶属度函数,构造模糊孪生支持向量机的两个分类超平面的优化方程,将“一对一”多分类策略与使用新模糊隶属度函数的模糊孪生支持向量机结合;/n设矩阵分别表示正类和负类的数据样本,其中矩阵A和B的每一行分别表示一个数据样本,m1表示正类的数据样本数,m2表示负类的样本数,n为数据样本维度,正类的中心负类的中心正类各点距其中心点的距离dA=||Ai-CA||,负类各点距其中心点的距离dB=||Bi-CB||,正类半径rA=max|Ai-CA|,负类半径rB=max|Bi-CB|,Ai为A中某一条样本,Bi为B中某一条样本;/n对于数据集中每个i,i=1,2,…,m1+m2,所提出的模糊隶属度Si如下:/n /n式中δ=10-5;/n其中,两个超平面的优化方程如下:/n /n /n式中,w(1)为第一类样本的权重矩阵,w(2)为第二类样本的权重矩阵,b(1)为第一类样本的偏置矩阵,b(2)为第二类样本的偏置矩阵,x为样本数据,SA、SB分别表示每类样本的模糊隶属度,e1、e2是元素取值为1的向量,ξ和η为松弛变量,ξ>1,η>1,c1、c2分别为正类和负类的惩罚因子,c1>0,c2>0;/n其中,“一对一”分类策略测井数据分别输入分类器中,每个分类器对一种岩性类别进行预测,所得结果采用“投票策略”:若分类器1判断得出某个岩性测试数据属于岩性1,则岩性1的票数加1,最后统计每个类别所得票数,测试数据最终结果属于票数最多的岩性类别;/n步骤4:在步骤2中得到的训练集上进行模型训练,设置正类和负类的惩罚因子,依据两个超平面的优化方程,寻找最佳w和b值;/n步骤5:在步骤2中的测试集上测试模型识别性能,不断迭代测试集,若后一次迭代识别准确率低于前一次迭代识别准确率则返回步骤4,重新设置正类和负类的惩罚因子,若后一次迭代识别准确率高于前一次迭代识别准确率,则记录此次设置的正类和负类的惩罚因子数值,当前后迭代识别准确率误差稳定在0.001以内,则停止迭代。/n
下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于西南石油大学,未经西南石油大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/patent/201910781790.4/,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top