| 基于支持向量机的测井岩性识别在松散沉积物调查中的应用研究 |
| |
| 引用本文： | 岳永东,渠洪杰,谭春亮,祝强,林广利.基于支持向量机的测井岩性识别在松散沉积物调查中的应用研究[J].探矿工程,2021,48(4):29-36. |
| |
| 作者姓名： | 岳永东 渠洪杰 谭春亮 祝强 林广利 |
| |
| 作者单位： | 北京探矿工程研究所，北京 100083,北京探矿工程研究所，北京 100083,北京探矿工程研究所，北京 100083,北京探矿工程研究所，北京 100083,北京探矿工程研究所，北京 100083 |
| |
| 基金项目： | 中国地质调查局地质调查项目“锡林郭勒盟-通辽地区基础地质调查”（编号：DD20190021）、“地质矿产勘查钻探技术升级与应用示范”（编号：20211345） |
| |
| 摘 要： | 砂砾质松散沉积物粒径组成复杂，钻探取心率低，导致对沉积相和相界面的判别准确度不高。本文结合岩心和测井资料，建立了松散沉积层基于支持向量机的测井数据岩性识别模型，分析了训练集样本数量对模型识别准确率的影响，并与BP神经网络模型进行了对比。结果表明，支持向量机模型的岩性识别准确率高，且对训练样本需求量低，可以有效地弥补钻孔取心率不足的问题，并降低钻探施工成本。在松散沉积物调查中，利用基于支持向量机的测井岩性识别模型自动识别沉积序列具有可行性，是实现绿色勘查的有益尝试。
|
| 关 键 词： | 支持向量机 松散沉积物 岩性识别 钻探取心 测井 绿色勘查 |
| 收稿时间： | 2020/10/30 0:00:00 |
| 修稿时间： | 2021/1/29 0:00:00 |
Application of logging lithology identification based on support vector machines in unconsolidated sediment investigation |
| |
| YUE Yongdong,QU Hongjie,TAN Chunliang,ZHU Qiang and LIN Guangli.Application of logging lithology identification based on support vector machines in unconsolidated sediment investigation[J].Exploration Engineering(Drilling & Tunneling),2021,48(4):29-36. |
| |
| Authors: | YUE Yongdong QU Hongjie TAN Chunliang ZHU Qiang and LIN Guangli |
| |
| Institution: | Beijing Institute of Exploration Engineering, Beijing 100083, China,Beijing Institute of Exploration Engineering, Beijing 100083, China,Beijing Institute of Exploration Engineering, Beijing 100083, China,Beijing Institute of Exploration Engineering, Beijing 100083, China,Beijing Institute of Exploration Engineering, Beijing 100083, China |
| |
| Abstract: | |
| |
| Keywords: | SVM unconsolidated sediment lithology identification coring logging green exploration |
|
| 点击此处可从《探矿工程》浏览原始摘要信息 |
| 点击此处可从《探矿工程》下载免费的PDF全文 |
|
