基于LIBSVM的石油录井中岩屑岩性识别方法研究

摘要

针对在PDC钻头条件下石油录井过程中的岩屑岩性难以用肉眼识别,以及传统分类器准确率低的问题,该文利用和差直方图变换、傅里叶变换、Gabor变换3种不同的岩屑图像特征提取技术,将岩屑样品进行特征提取,并设定LIBSVM分类器的分类参数,根据得到的岩性识别率的高低来确定最优的参数组合。结果表明,SVM设置类型上选择NU_SVC、核函数选择RBF、分类参数gamma设置为0.1、nu设置为0.11的参数组合可获得较高的岩性识别率。其中采用Gabor特征提取方式和LIBSVM分类器对现场岩屑样品进行测试,获得的岩性识别率最高,对现场泥岩和砂岩的平均识别率分别为95%和90%。与神经网络分类器分类结果比较,该方法能更好地分析岩屑的岩性,可望在现场得以推广应用。