基于支持向量机的复杂岩性测井识别方法 (2007年)

在复杂岩性自动识别中，聚类分析方法只有在样本趋于无穷大时，才能从理论上保证结果的精度，神经网络容易陷入局部最小，而使用范围受到限制．针对复杂岩性识别中所面临的问题，提出了在解决模式识别小样本、非线性及高维问题中具有独特优势的支持向量机方法来识别岩性．通过对巴彦塔拉油田部分层段的样本进行学习和预测，并与实际取心资料进行对比，符合率平均值为96％，表明支持向量机在岩性识别中可获得良好的应用效果．