一种测井岩性识别的寻优模型

岩土作为一种极其复杂的材料,通常会受到外界多种因素的影响而发生变化,这些影响因素既包括断层、裂隙、雨水冲刷和腐蚀等天然环境因素,也包括众多的人为因素,从而导致测井岩性的识别会产生大量的干扰数据。在对大数据量的信息寻优处理的算法中,支持向量机(supportvectormachine,svm)是一种受到广泛关注的寻优方法。但是传统的svm寻优方法存在耗时长的缺陷,因此将传统svm寻优当中的留一交叉法改为k折交叉法,并利用这种优化的svm对测井岩性数据进行寻优处理,来进行测井岩性的识别。对比试验结果表明,相对于传统支持向量机的寻优算法,该方法具有识别正确率高、收敛速度快等优点。