论文研究-基于自适应差分演化的特征选择算法在石油储层识别中的应用.pdf

【文件属性】：
文件名称：论文研究-基于自适应差分演化的特征选择算法在石油储层识别中的应用.pdf
文件大小：895KB
文件格式：PDF
更新时间：2022-10-10 13:22:25
论文研究 论文研究-基于自适应差分演化的特征选择算法在石油储层识别中的应用.pdf,  近年来我国石油产量跟不上需求, 供需矛盾进一步凸显, 导致石油的对外依存度已经连续几年超过警戒线, 为了缓解供需矛盾, 石油的增储上产是一种有效措施, 但精确地识别石油储层成为增储上产的一大难题,而特征选择是精确识别石油储层的有效保障. 本文提出了一种增强型自适应差分演化算法, 即ESADE算法, 在算法中使用了双种群的概念, 构造了一个简单的双层差分演化, 并且在算法的选择操作中加入模拟退火的思想;接着将ESADE算法作为特征选择的搜索策略, 将ReliefF算法、BIF算法、FCBF算法及随机抽选特征算法作为评价准则库, SOM神经网络算法、模糊C均值算法、K均值算法和K近邻算法作为分类器库, 得到了一种基于ESADE的特征选择算法. 然后将此算法应用于某油田oil81、oil82、oil83、oil84和oil85五口井的测井数据集上进行石油储层的油层、 差油层、水层和干层的分类识别, 并与未进行特征选择直接进行分类的结果进行比较及相同分类正确率下不同分类算法组合及不同属性选择的比较. 实验结果表明与SOM神经网络算法、模糊C 均值算法、K均值算法及K近邻算法这四种分类算法相比, 基于ESADE的特征选择算法能在利用较少属性的同时提高分类准确率, 并能够提供不同的属性和分类算法的最优组合方案.