基于支持向量機(jī)的測(cè)井?dāng)?shù)據(jù)挖掘技術(shù)及應(yīng)用研究.pdf

1、　　油層識(shí)別是石油勘探與開(kāi)發(fā)的主要任務(wù)，也是測(cè)井?dāng)?shù)據(jù)挖掘的主要工作之一。目前基于支持向量機(jī)(SVM)的數(shù)據(jù)挖掘方法比較盛行，最小二乘支持向量機(jī)(LS-SVM)是支持向量機(jī)算法的改進(jìn)，但是存在懲罰參數(shù)和所選核函數(shù)的參數(shù)不易選取問(wèn)題，為此，可以采用量子粒子群算法(QPSO)和半正定規(guī)劃算法(SDP)優(yōu)化支持向量機(jī)的參數(shù)，分別研究了基于QPSO的LS-SVM和基于SDP的SVM的數(shù)據(jù)挖掘方法，并應(yīng)用于油層識(shí)別，實(shí)際應(yīng)用表明是切實(shí)可行的。主要研

2、究工作如下：
　　在描述支持向量機(jī)的理論基礎(chǔ)上，為了克服支持向量機(jī)中核函數(shù)參數(shù)不易確定等問(wèn)題，做了兩種改進(jìn)算法。第一種改進(jìn)方法是采用量子粒子群(QPSO)算法優(yōu)選最小二乘支持向量機(jī)中的懲罰因子和核函數(shù)寬度參數(shù)；第二種改進(jìn)方法是采用半正定規(guī)劃對(duì)標(biāo)準(zhǔn)支持向量機(jī)進(jìn)行處理，優(yōu)選核函數(shù)的組合系數(shù)。經(jīng)仿真實(shí)驗(yàn)表明，兩種算法皆能取得很好的分類效果，且明顯優(yōu)于未改進(jìn)前的算法。
　　從測(cè)井?dāng)?shù)據(jù)挖掘角度出發(fā)，構(gòu)建了測(cè)井?dāng)?shù)據(jù)挖掘系統(tǒng)，并應(yīng)