基于模式识别理论的卡钻类型判别分析.pdf

《基于模式识别理论的卡钻类型判别分析.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第42卷第10期探矿工程(岩土钻掘工程)Vo1．42No．102015年10月ExplorationEngineeringfRock＆SoilDrillingandTunneling)Oct．2015：31—34基于模式识别理论的卡钻类型判别分析吴军，臧艳彬，陈星星(1．中国石化重庆涪陵页岩气勘探开发有限公司，重庆408014；2．中国石化石油工程技术研究院，北京100101)摘要：将模式识别理论中的支持向量机、Bayes判别分析以及多元回归分析应用于卡钻类型判别分析，建立了基于模式识别理论的卡钻判别模型。以近几年川东北卡钻数

2、据为例进行了算例分析，结果表明：采用支持向量机、Bayes判别法及多元回归法对卡钻类型判别的结果与实际结果的误判率分别为1．92％，11．52％，61．54％。支持向量机(SVM)判别结果精度最高，但其判别方程式较为复杂，不能直观看出各分量对结果的影响程度；多元回归分析判别方程形式简单，可以直观表达各参量与卡钻之间的密切程度，但其判别精度较低；Bayes判别法计算精度介于二者之间，但其判别精度与判别式的个数密切相关。关键词：模式识别；支持向量机；Bayes判别法；多元回归；卡钻中图分类号：P634．8文献标识码：A文章编号：1

3、672—7428(2015)l0—0031—04DiscriminantAnalysisonStickingBasedonPatternRecognitionTheory／WUJun1，ZANGYan—bin，CHENXtng—xing(1．TheExplorationandProductionofShaleGasChongqingFuling，SINOPEC，Chongqing408014，China；2．SINOPECInstituteofPetroleumEngineering，Beijing100101，China)A

4、bstract：TheSuppo~VectorMachine(SVM)，Bayesdiscriminantanalysisandmultipleregressionanalysiswereusedfordi—agnosisandpredictionofsticking．ThediscriminantmodelofsticktypeWaSbuihbasedonpatternrecognitiontheory．Thecalcu—lationanalysisonthestickingdataofno~heasternSichuanw

5、asmade，itWasindicatedthatthemisjudgmentratefordiscriminantresultofSVM．BayesdiscriminantanalysisandmuhipleregressionanalysisWas1．92％．11．52％and61．54％．TheaccuracyofSVMrecognitionresultwasthehighest，butitsdiscriminantequationiscomplexandthecontributionofeachcomponenttot

6、heresultcouldnotbeintuitivelyseen；whiletheequationofmtdtipleregressionanalysisissimple，whichcouldintuitivelyshowtheclosedegreebetweeneachcomponentandsticking，buttheaccuracyofrecognitionresultwaslower．TheaccuracyofBayesdis—eriminantanalysisWasbetweentheabovetwo，butth

7、ediseriminantaccuracyiscloselyrelatedtothenumberofdiseriminant．Keywords：patternrecognition；SupportVectorMachine，Bayesdiscriminatemethod；multipleregression；sticking作为人工智能技术基础学科的模式识别技术，的统计分析和摩阻系数方法预测效果不理想。目前在文字识别、遥感、气象预报、军事侦察等领域都取卡钻预测与判别技术尚没有实质性的突破。卡钻的得了巨大成效。模式识别自20世纪

8、60年代发展成钻前预测与预防主要依靠工程技术人员的操作经验为一门独立学科以来，共经历了2个阶段：统计模式和相关技术规范进行，预测精度较低。本文以近几阶段和人工智能阶段。统计模式识别方法主要有判年中石化四川盆地川I东北地区(元坝、普光等气田)别函数法、k近邻分类法、Bayes判