文献类型：期刊文献

中文题名：多种岩性分类方法在火山岩岩性识别中的应用

英文题名：Application of Various Lithologic Classification Methods to Volcanic Rock Identification

作者：张莹[1];潘保芝[2]

机构：[1]广东海洋大学海洋遥感与信息技术实验室,广东湛江524088;[2]吉林大学地球探测科学与技术学院,吉林长春130026

年份：2011

卷号：35

期号：5

起止页码：474

中文期刊名：测井技术

外文期刊名：Well Logging Technology

收录：CSTPCD、、Scopus、北大核心2008、CSCD_E2011_2012、北大核心、CSCD

语种：中文

中文关键词：测井资料;岩性识别;支持向量机;聚类分析;神经网络;火山岩

外文关键词：logging data, lithology identification, support vector machine, cluster analysis, neural network, volcanic rock

中文摘要：基于对松辽盆地火山岩近5年的测井响应研究,探讨按照松辽盆地火山岩分类原则的二级分类类型,实现利用常规测井资料识别岩性的方法。建立了一个具有准确薄片定名信息的火山岩测井样本,通过交会图分析、聚类分析、判别分析、主成分分析、因子分析、BP神经网络、SOM神经网络及支持向量机等8种方法对样本进行处理,得出各种方法针对岩性分类这一问题的参数选取方式。对比各种方法的识别效果,最终确定了一个适合松辽盆地火山岩测井岩性识别的通用方案。

外文摘要：Based on 5 years of logging response researches on volcanic rocks in Songliao basin and the secondary classification types of the volcanic rocks, the method of lithology identification is investigated by using conventional logging data. Established is a logging sample of the volcanic rocks with accurate slice naming information. Then, the sample is processed with 8 methods, such as intersection graph analysis, cluster analysis, discriminant analysis, principal component analysis, factor analysis, BP neural network, SOM neural network and support vector machine. The identification effects of these 8 methods are compared, and a suitable method is finally proposed for the lithology identification of the volcanic rocks in Songliao basin.