基于t分布随机近邻嵌入的测井数据降维方法研究.pdf

第45卷第4期 合肥工业大学学报(自然科学版) Vol. 45 No. 4
2022 年 4 月 JOURNAL OF HEFEI UtIn-
tegrateswthsupportvectormachIne(SVM)1Theresultsshowthatcomparedwththetradtonalprncpal
componentanalyss(PCA)andotherlneardImensonaltyreductonmethods theloggIngdataprocesedbyt-
SNEalgorthmclearlyfalIntothreecategores thusImprovIngthetransparencyandInterpretabltyofthet-
SNE-SVM modelefectvely1
Key words： logging data* nonlinear dimensionality reduction* t-distributed stochastic neighbor embed­
ding# t-SNE) * t-distributed stochastic neighbor embedding-support vector machine(t-SNE-SVM) * li­
thologyidentification
测井，也叫地球物理测井，是地质勘查和油气 的电化学特性、导电特性、声学特性、放射性等地
资源评价的一种有效技术手段，它主要利用岩层 球物理特性来测量地质体的地球物理参数特
收稿日期：2020-02-14;修回日期：2020-03-08
基金项目：国家自然科学基金资助项目(11401156；41972304；41402289)
作者简介:邓力珲(1996 )男，河北秦皇岛人，合肥工业大学硕士生*
曹 丽(1984 )女，江苏吁胎人，博士，合肥工业大学副教授，硕士生导师，通信作者,E-mail：******@hfut. edu 合肥工业大学学报(自然科学版) 第45 卷
征口2)测井数据隐含着丰富的地质信息,实际工 的精度产生影响。
作中需要运用适当的数学物理方法建立相应的测 t分布随机近邻嵌入(tdistributed stochastic
井解释模型,以实现地质体和地质现象由地球物 neighbor embedding, t-SNE )算法口5,是一种比
理参数向地质信息的映射转换，如岩性、泥质含 PCA 更有效的高维数据非线性降维算法 ， 且能通