基于t分布随机近邻嵌入的测井数据降维方法研究

摘要

测井数据具有多维、多类、多量等显著特征,是测井资料地质解释工作的重要依据。针对测井数据处理过程中的多维度、非线性问题,文章应用流形学习思想进行测井数据降维,提出基于t分布随机近邻嵌入(t-distributed stochastic neighbor embedding,t-SNE)算法的测井数据解释模型:首先对测井数据进行预处理,并通过计算KL散度优选最佳维数,进而运用t-SNE算法将高维测井数据嵌入到低维空间;再结合支持向量机(support vector machine,SVM),构建t-SNE-SVM岩性解释模型,实现高维测井数据的非线性随机降维和岩性智能识别。实验结果表明,与传统的PCA等线性降维方法相比,经过t-SNE算法处理后的测井数据明显分为3类,进而有效地提高了t-SNE-SVM模型的透明度及可解释性。