基于CFS和GA的NBTree算法在油水层识别中的应用

摘要

油水层识别是测井二次解释的重要内容.在研究基于相关性的属性选择(Correlation-based Feature Selection,CFS)和遗传算法(Genetic Algorithm,GA)的基础上,提出了一种基于CFS和GA的NBTree改进算法(CFS/GA-NBTree),并将其应用于油水层的模式识别.该算法首先应用基于相关性的属性选择和遗传算法对油水层识别的属性变量进行选择,删除对油水层识别不相关的属性变量,然后应用NBTree算法建立油水层识别的预测模型.实例研究表明:相比于神经网络(Back Propagation,BP)、决策树(Decision Tree,C4.5)以及朴素贝叶斯树(Naive Bayesian Tree,NBTree),改进的朴素贝叶斯树算法(CFS/GA-NBTree)具有更高的预测准确性.