杨玲

摘 要： 地层划分是一个复杂的非线性系统，根据地层结构，本文提出了一种基于SVM（支持向量机）的划分方法。该方法利用同一区域地质结构相似、地质结构有序连续的特征，使用有序学习多分类模型，以高斯核函数为核函数，建立了地層自动分层模型，最终得到样本空间的分类结果。实验结果表明，按照所提方法训练出的SVM可以很好地划分同一区域内其他井的地层，有效地提高地层划分的效率。

关键词： 地层划分；SVM；高斯核函数

0 引言

地层划分的目的是把地层由上至下切割成不同的片段，划分出不同等级的地层单位，即把一个地区的地层进行纵向划分，以便与地质单层相对应。目前采用的方法主要有人工解释方法，数理统计方法和人工智能方法。

人工解释的方法对测井曲线进行分层，该方法不仅费时费力，而且分层取值过程中受测井分析人员的经验知识和熟练程度影响较大，主观性较强；数理统计方法能够保持岩层内部的均一性，但计算量比较大，同时对测井信息和地质信息的一一对应有很高的要求，如果达不到（事实上也无法完全做到一一对应），则分层结果不易达到地质应用的要求。人工智能是一种现代化方法，主要有神经网络和机器学习等，其具有较好地学习和自适应能力，但在地质分层应用中目前仍处于探索阶段。

本文采用SVM机器学习方法对测井曲线进行地层划分，以同一区域已有的分层井数据变化特点为切入点，结合每口井测井曲线数据以及代表地层特性测井曲线数据的变化特点，建立合理的数学模型，实现自动分层。……