申请/专利权人：中国石油大学(北京)

申请日：2020-06-30

公开（公告）日：2024-04-12

公开（公告）号：CN111832636B

主分类号：G06F18/214

分类号：G06F18/214;G06F18/241;G06N7/01;G06F16/29;G06F16/2458

优先权：

专利状态码：有效-授权

法律状态：2024.04.12#授权;2020.11.13#实质审查的生效;2020.10.27#公开

摘要：本说明书实施方案提供了一种基于特征组合的朴素贝叶斯岩相分类方法及装置，该方法包括：获取目标工区的多种测井数据并对其进行预处理；将预处理后的多种测井数据进行随机分层抽样，并按照预设比例形成训练集和测试集；对所述训练集中的特征进行两两组合，并拟合每个组合的联合类条件概率；基于所述联合类条件概率构建目标函数，并基于朴素贝叶斯算法求解所述目标函数，以生成岩相分类器；利用所述测试集测试所述岩相分类器，以根据测试结果确定最优的岩相分类器；利用所述最优的岩相分类器对所述目标工区内待处理测井数据进行岩相识别。本说明书实施方案可以提高朴素贝叶斯的岩相分类器的分类准确度。

主权项：1.一种基于特征组合的朴素贝叶斯岩相分类方法，其特征在于，包括：获取目标工区的多种测井数据并对其进行预处理；将预处理后的多种测井数据进行随机分层抽样，并按照预设比例形成训练集和测试集；对所述训练集中的特征进行两两组合，并拟合每个组合的联合类条件概率；基于所述联合类条件概率构建目标函数，并基于朴素贝叶斯算法求解所述目标函数，以生成岩相分类器；利用所述测试集测试所述岩相分类器，以根据测试结果确定最优的岩相分类器；利用所述最优的岩相分类器对所述目标工区内待处理测井数据进行岩相识别；其中，所述拟合每个组合的联合类条件概率，包括：当组合特征均为离散型特征时，根据公式计算组合特征的联合概率分布，并将该联合概率分布作为该组合特征的联合类条件概率；其中，c表示岩相类别；xi,xj分别表示第i号特征取值和第j号特征取值；pxi,xj|c表示在岩相类别为c的条件下，xi和xj发生的概率；Dc表示岩相类别为c的样本总数；表示岩相类别为c，第i号特征取值为xi并且第j号特征取值为xj的样本个数；当组合特征均为连续型特征时，根据以下公式计算组合特征的联合概率密度分布，并将该联合概率密度分布作为该组合特征的联合类条件概率； 其中，px|c表示在岩相类别为c的条件下，x发生的概率；c表示岩相类别；x为输入的待分组的一组特征取值；xi,xj分别表示第i号特征取值和第j号特征取值；k为高斯混合模型的组分数；μk为第k个高斯组分的均值向量；∑k为第k个高斯组分的协方差矩阵；αk为第k个高斯组分的权重系数；T表示矩阵的转置；当组合特征包括离散型特征和连续型特征时，对于其中的离散型特征，先进行统计计数，并计算出离散型特征的先验概率；再根据公式拟合出离散型特征对应的连续特征取值的概率密度分布，并将该概率密度分布作为该离散型特征的联合类条件概率；其中，c表示岩相类别；xi,xj分别表示第i号特征取值和第j号特征取值；pxi,xj|c表示在岩相类别为c的条件下，xi和xj发生的概率；表示岩相类别为c，第i号特征取值为xi并且第j号特征取值为xj的样本个数；Dc表示岩相类别为c的样本总数，pxi|c,xj表示岩相类别为岩相类别为c，且第j号特征值为xj的情况下，第i号特征取值为xi发生的概率；k为高斯混合模型的组分数；σk为第k个高斯组分的方差；αk为第k个高斯组分的权重系数；所述目标函数包括其中，h*x为目标函数；x为输入的待分组的一组特征取值，且xi,xj分别表示第i号特征取值和第j号特征取值；c表示岩相类别；pc为岩相类别c的先验概率；pxi,xj|c表示在岩相类别为c的条件下，xi和xj发生的概率；n为特征总数。

全文数据：

权利要求：

百度查询： 中国石油大学(北京) 基于特征组合的朴素贝叶斯岩相分类方法及装置

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD