[1]张程恩,潘保芝,刘倩茹,等.改进蚁群聚类算法在火山岩岩性识别中的应用[J].测井技术,2012,36(04):378-381.
 ZHANG Chengen,PAN Baozhi,LIU Qianru,et al.Application of Improved Ant Colony Clustering Algorithm to Volcanic Rock Lithology Identification[J].WELL LOGGING TECHNOLOGY,2012,36(04):378-381.
点击复制

改进蚁群聚类算法在火山岩岩性识别中的应用()
分享到:

《测井技术》[ISSN:1004-1338/CN:61-1223/TE]

卷:
第36卷
期数:
2012年04期
页码:
378-381
栏目:
处理解释专栏
出版日期:
2012-10-30

文章信息/Info

Title:
Application of Improved Ant Colony Clustering Algorithm to Volcanic Rock Lithology Identification
作者:
张程恩1潘保芝1刘倩茹2徐新也3
1. 吉林大学地球探测科学与技术学院, 吉林 长春 130026; 2.吉林大学地球科学学院, 吉林 长春 130026; 3. 中国石油化工股份有限公司东北油气分公司, 吉林 长春 130026
Author(s):
ZHANG Chengen1 PAN Baozhi1 LIU Qianru2 XU Xinye3
1. College of Geoexploration Science and Technology, Jilin University, Changchun, Jilin 130026, China; 2. College of Earth Science, Jilin University, Changchun, Jilin 130026, China; 3. Northeast Oil and Gas Branch, SINOPEC, Changchun, Jilin 130026, China
关键词:
测井解释 蚁群算法 模糊聚类 火山岩 岩性识别 松辽盆地
Keywords:
log interpretation ant colony algorithm fuzzy clustering volcanic rock lithology identification Songliao basin
分类号:
P63184
文献标志码:
A
摘要:
提出了一种基于蚁群算法和模糊聚类算法的改进蚁群聚类算法对火山岩岩性进行识别。介绍了蚁群算法的原理、K均值聚类算法的实现过程及改进蚁群聚类算法的实现过程。用该方法对火山岩样本数据点进行训练和学习,获得最佳的岩性聚类中心,根据加权信息素浓度和的大小,识别实际测井数据点的岩性。对松辽盆地430个火山岩薄片的实际处理表明,与自组织神经网络及K均值聚类算法相比,该方法识别准确率高、运算速度快,是一种有效的岩性识别手段。
Abstract:
Put forward is an improved ant colony clustering algorithm based on ant colony algorithm and fuzzy clustering algorithm to identify the volcanic rock lithology accurately. Introduced are the principle of ant colony algorithm, realization process of Kmeans clustering algorithm and improved ant colony clustering algorithm. After training and learning of the volcanic rock sampledata points, the best cluster centers are obtained. Then the lithology of actual logging data points can be identified by comparing the sum of weighted pheromone concentration values. Practical applications of 430 volcanic chips in Songliao basin show that, compared with SOM as well as Kmeans clustering algorithm, the improved ant colony clustering algorithm is more accurate, faster calculation and practical in lithology identification.

参考文献/References:

[1]张莹. 火山岩岩性识别和储层评价的理论与技术研究[D].长春:吉林大学,2010.
[2]周波,李舟波,潘保芝.火山岩岩性识别方法研究[J].吉林大学学报:地球科学版,2005,35(3):394397.
[3]潘保芝. 裂缝性火成岩储层测井评价的理论与方法研究[D].长春:吉林大学,2002.
[4]张丽华. 火成岩储层测井评价方法研究[D].长春:吉林大学,2009.
[5]陈建文,魏斌,李长山,等. 火山岩岩性的测井识别[J]. 地学前缘,2000,7(4):458459.
[6]黄布宙,潘保芝.松辽盆地北部深层火成岩测井响应特征及岩性划分[J].石油物探,2001,40(3):4247.
[7]王玉娟,闫磊,张晓明,等. 松辽盆地东岭地区深层火成岩测井特征与岩性识别[J]. 吉林大学学报:地球科学版,2007,(S1):147150.
[8]王祝文,刘菁华,任莉. 基于K均值动态聚类分析的地球物理测井岩性分类方法[J].东华理工大学学报:自然科学版,2009,32(2):152156.
[9]潘保芝,李舟波,付有升,等. 测井资料在松辽盆地火成岩岩性识别和储层评价中的应用[J].石油物探,2009,48(1):4852.
[10]乐群星,魏法杰. 蚂蚁算法的基本原理及其研究发展现状[J]. 北京航空航天大学学报:社会科学版,2005,18(4):58.
[11]宋雪梅,李兵. 蚁群算法及其应用[J]. 河北理工学院学报,2006,28(1):4245.
[12]袁可红,李艳晓,郭海湘,等. 一种用于储层含油性识别的蚁群聚类算法[J].计算机工程,2011,37(13): 178180.
[13]高尚,杨静宇,吴小俊. 聚类问题的蚁群算法[J]. 计算机工程与应用,2004,40(8):9092.
[14]孙晓霞. 蚁群算法理论研究及其在图像识别中的应用[D]. 哈尔滨:哈尔滨工程大学,2006.
[15]段海滨. 蚁群算法原理及其应用[M]. 北京:科学出版社,2005.
[16]王松桂,陈敏,陈立萍. 线性统计模型:线性回归与方差分析[M]. 北京:高等教育出版社. 1999.

相似文献/References:

[1]赵军龙,李甘,李传浩,等.鄂尔多斯盆地Z区长81储层流体快速识别技术研究[J].测井技术,2012,36(05):485.
 ZHAO Junlong,LI Gan,LI Chuanhao,et al.Research on the Fast Identification Technique about Fluid Property of Chang 81 Reservoirs at Z Block in Ordos Basin[J].WELL LOGGING TECHNOLOGY,2012,36(04):485.
[2]关丽.偶极子声波测井在罗家地区沙三段泥页岩储层评价中的应用[J].测井技术,2012,36(05):495.
 GUAN Li.Application of Dipole Acoustic Logging to Shale Reservoir Evaluation of Luojia Area[J].WELL LOGGING TECHNOLOGY,2012,36(04):495.
[3]赵永刚,冉利民,吴非.螺纹井眼测井曲线频域滤波校正[J].测井技术,2012,36(05):499.
 ZHAO Yonggang,RAN Limin,WU Fei.Frequency Domain Filtering Correction of Log Data from a Corkscrew Borehole[J].WELL LOGGING TECHNOLOGY,2012,36(04):499.
[4]李山生,黄质昌,杜蕊,等.WaxmanSmits模型中参数B和QV计算方法研究[J].测井技术,2012,36(03):244.
 LI Shansheng,HUANG Zhichang,DU Rui,et al.Study on Computational Methods of Parameter B and QV in WaxmanSmits Model[J].WELL LOGGING TECHNOLOGY,2012,36(04):244.
[5]陈明江,任兴国.含沥青储层的测井识别及评价[J].测井技术,2012,36(03):272.
 CHEN Mingjiang,REN Xingguo.Log Identification and Evaluation for Bitumenbearing Reservoir[J].WELL LOGGING TECHNOLOGY,2012,36(04):272.
[6]程玉梅,张小刚,魏国.介电扫描测井技术在长庆油田的应用[J].测井技术,2012,36(03):277.
 CHENG Yumei,ZHANG Xiaogang,WEI Guo.Application of Dielectric Scanner Logging in Changqing Oilfield[J].WELL LOGGING TECHNOLOGY,2012,36(04):277.
[7]孙建孟,闫国亮.渗透率模型研究进展[J].测井技术,2012,36(04):329.
 SUN Jianmeng,YAN Guoliang.Review on Absolute Permeability Model[J].WELL LOGGING TECHNOLOGY,2012,36(04):329.
[8]宋延杰,么丽娜,徐广田,等.长垣地区低孔隙度低渗透率砂岩储层中连通导电模型的应用[J].测井技术,2012,36(04):345.
 SONG Yanjie,YAO Lina,XU Guangtian,et al.Study on Connectivity Model for Low Porosity and Permeability Sand Reservoirs in Daqing Placanticline[J].WELL LOGGING TECHNOLOGY,2012,36(04):345.
[9]张丽华,潘保芝,刘思慧,等.梨树断陷东南斜坡带砂砾岩岩性识别方法研究[J].测井技术,2012,36(04):370.
 ZHANG Lihua,PAN Baozhi,LIU Sihui,et al.On Lithology Identification Methods of Glutinite in Southeast Ramp Region of Lishu Fault Depression[J].WELL LOGGING TECHNOLOGY,2012,36(04):370.
[10]张盼,冯吉坤,李雪磊,等.火山岩中CO2储层的自动识别[J].测井技术,2012,36(04):373.
 ZHANG Pan,FENG Jikun,LI Xuelei,et al.Automatic Identification of CO2Bearing Beds in the Volcanic Reservoir[J].WELL LOGGING TECHNOLOGY,2012,36(04):373.

备注/Memo

备注/Memo:
收稿日期:201253
作者简介: 张程恩,男,1988年生,硕士研究生,从事测井解释与研究工作。
文章编号:10041338(2012)04037804
更新日期/Last Update: 2012-10-30