夏莘媛，戴　静，潘用科，韩　扬

(1. 河北工业大学 电子信息工程学院，天津 300401；2. 华北理工大学 迁安学院，河北 迁安 064400)



基于贝叶斯证据框架下SVM的油层识别模型研究

夏莘媛1，戴静2，潘用科1，韩扬1

(1. 河北工业大学 电子信息工程学院，天津 300401；2. 华北理工大学 迁安学院，河北 迁安 064400)

摘要：支持向量机(support vector machine，SVM)方法在石油测井领域的油层识别中取得了很好的应用效果，但SVM方法的识别效果受到惩罚参数和核参数的影响，不同的参数组合直接影响识别精度的优劣。为了在油层识别中获得更好的识别效果，提出一种基于贝叶斯证据框架下SVM的油层识别模型，即根据测井数据的训练样本信息，采用贝叶斯证据框架的理论求解惩罚参数以及核参数，再通过所求得的决策函数对测井数据的测试样本进行识别。实际测井数据实验表明，基于贝叶斯证据框架下SVM的油层识别模型的油层识别效果得到提高，优于传统SVM方法和基于粒子群优化算法(particle swarm optimization，PSO)的SVM方法。

关键词：支持向量机；油层识别；贝叶斯证据框架

0前言

油层探测信息是多源、多参数、多侧面的耦合信息。在油层识别中，由于信息量巨大、样本空间复杂，且探测的信息与目标缺少完全一致性和因果性[1]，因此油层模式识别是一个复杂的非线性动态随机过程。识别首先要做分类，分类问题是数据挖掘领域的一个基本问题，是根据预定义的目标类和所建立模型来确定对象的类别。分类问题在现实生活中有许多不同的应用，例如：文本分类、人脸识别、图像分类、油层识别等。……