[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

摘要

本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。

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设矩阵和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d_A＝||A_i-C_A||，负类各点距其中心点的距离d_B＝||B_i-C_B||，正类半径r_A＝max|A_i-C_A|，负类半径r_B＝max|B_i-C_B|，A_i为A中某一条样本，B_i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S_i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，S_A、S_B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