改进蚁群聚类算法在火山岩岩性识别中的应用
合集下载
相关主题
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
８］ 王祝文 ［ 利用 Ｋ －均 值 动 态 聚 类 分 析 方 法 对 砂 泥 岩 ９］ 剖面进行了岩性识别 。 潘保芝等 ［ 应用因子分 析法
别的方法很多 ， 最常用的为交会图版方法识别岩性 ， 近年来神经网络 、 主 成 分 分 析、 模 糊 聚 类、 遗传算法
５］ 等方法均已应用到岩性识别领域中 。 陈建文 ［ 从优
１ １ ２ ３ Ｚ ＨＡＮＧ Ｃ ｈ ｅ ｎ ｅ ｎ， Ｐ ＡＮ Ｂ ａ ｏ ｚ ｈ ｉ ， Ｌ Ｉ Ｕ Ｑ ｉ ａ ｎ ｒ ｕ， ＸＵ Ｘ ｉ ｎ ｅ ｇ ｙ
（ ， ， ， ； １． Ｃ ｏ ｌ ｌ ｅ ｅ ｏ ｆ Ｇ ｅ ｏ ｅ ｘ ｌ ｏ ｒ ａ ｔ ｉ ｏ ｎ Ｓ ｃ ｉ ｅ ｎ ｃ ｅ ａ ｎ ｄ Ｔ ｅ ｃ ｈ ｎ ｏ ｌ ｏ Ｊ ｉ ｌ ｉ ｎ Ｕ ｎ ｉ ｖ ｅ ｒ ｓ ｉ ｔ Ｃ ｈ ａ ｎ ｃ ｈ ｕ ｎ Ｊ ｉ ｌ ｉ ｎ １ ３ ０ ０ ２ ６， Ｃ ｈ ｉ ｎ ａ － ｇ ｐ ｇ ｙ ｙ ｇ ， ， ， ； ２． Ｃ ｏ ｌ ｌ ｅ ｅ ｏ ｆ Ｅ ａ ｒ ｔ ｈ Ｓ ｃ ｉ ｅ ｎ ｃ ｅ Ｊ ｉ ｌ ｉ ｎ Ｕ ｎ ｉ ｖ ｅ ｒ ｓ ｉ ｔ Ｃ ｈ ａ ｎ ｃ ｈ ｕ ｎ Ｊ ｉ ｌ ｉ ｎ １ ３ ０ ０ ２ ６， Ｃ ｈ ｉ ｎ ａ ｇ ｙ ｇ ， ， ） ３．Ｎ ｏ ｒ ｔ ｈ ｅ ａ ｓ ｔ Ｏ ｉ ｌ ａ ｎ ｄ Ｇ ａ ｓ Ｂ ｒ ａ ｎ ｃ ｈ Ｓ Ｉ ＮＯ Ｐ Ｅ Ｃ， Ｃ ｈ ａ ｎ ｃ ｈ ｕ ｎ Ｊ ｉ ｌ ｉ ｎ １ ３ ０ ０ ２ ６， Ｃ ｈ ｉ ｎ ａ ｇ
１ ３ － １ ５］ 。 完成了所有数据点的岩性判别工作 ［
。 目前主要用于求解
旅行商问题 、 指派问题 、 调度问题 、 图像处理等 ， 袁可
１ ２］ 红等 ［ 利用蚁 群 聚 类 算 法 对 储 层 的 含 油 性 进 行 识
别 。 本文首次将该方法用于岩性识别 。 本文结合蚁 群 算 法 及 Ｋ －均 值 聚 类 分 析 方 法 提 通过对样本点的训 出了一种改进的蚁 群 聚 类 算 法 ， 练和学习找到最 优 化 的 聚 类 中 心 。 另 外 ， 借鉴蚁群 算法中信息素的相 关 方 法 ， 提出了一种新的聚类距 离， 并对松辽盆地 ２ 口 井 岩 性 进 行 了 聚 类 判 别 。 改 进的蚁群聚类 算 法 与 自 组 织 神 经 网 络 及 Ｋ －均 值 聚 判别准确率更高 ， 表明该算法能很好地 类算法相比 ， 实现火山岩岩性的判别 ， 效果良好 ， 是一种新的岩性 判别有效方法 。
改进蚁群聚类算法在火山岩岩性识别中的应用
张程恩１， 潘保芝１， 刘倩茹２， 徐新也３
（ 吉林大学地球科学学院 ，吉林 长春 １ １．吉林大学地球探测科学与技术学院 ，吉林 长春 １ ３ ０ ０ ２ ６； ２． ３ ０ ０ ２ ６； ） ３．中国石油化工股份有限公司东北油气分公司 ，吉林 长春 １ ３ ０ ０ ２ ６ 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 ４ ３ ０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 。 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 中图分类号 ：Ｐ ６ ３ １ ． ８ ４ 文献标识码 ：Ａ
Ａ ｌ ｉ ｃ ａ ｔ ｉ ｏ ｎ ｏ ｆ Ｉ ｍ ｒ ｏ ｖ ｅ ｄ Ａ ｎ ｔ Ｃ ｏ ｌ ｏ ｎ Ｃ ｌ ｕ ｓ ｔ ｅ ｒ ｉ ｎ Ａ ｌ ｏ ｒ ｉ ｔ ｈ ｍ ｔ ｏ Ｖ ｏ ｌ ｃ ａ ｎ ｉ ｃ Ｒ ｏ ｃ ｋ Ｌ ｉ ｔ ｈ ｏ ｌ ｏ Ｉ ｄ ｅ ｎ ｔ ｉ ｆ ｉ ｃ ａ ｔ ｉ ｏ ｎ ｐ ｐ ｐ ｙ ｇ ｇ ｇ ｙ
第３ ６卷 第４期 ２ ０ １ ２年８月 （ ） 文章编号 ： １ ０ ０ ４ － １ ３ ３ ８ ２ ０ １ ２ ０ ４ － ０ ３ ７ ８ － ０ ４
测 井 技 术
ＷＥ Ｌ Ｌ Ｌ Ｏ Ｇ Ｇ Ｉ ＮＧ Ｔ Ｅ ＣＨＮＯ Ｌ Ｏ ＧＹ
Ｖ ｏ ｌ ． ３ຫໍສະໝຸດ Baidu６ Ｎ ｏ ． ４ Ａ ｕ ２ ０ １ ２ ｇ
对松辽盆地火成岩进行了岩性划分 。
作者简介 ：张程恩 ， 男， 硕士研究生 ， 从事测井解释与研究工作 。 １ ９ ８ ８ 年生 ，
等： 改进蚁群聚类算法在火山岩岩性识别中的应用 ６ 卷 第 ４ 期 张程恩 ， 第３
·３ ７ ９·
蚁群算法是意大利 学 者 Ｍ Ｄ ｏ ｒ ｉ ｏ等受自然界 ｇ 中蚂蚁觅食行为的启发而发展起来的一种新的模拟 进化算法 。 人们经 过 大 量 研 究 发 现 ， 蚂蚁在搜索食 物源时会在其走 过 的 路 径 上 释 放 信 息 素 。 因 此 ， 由 大量蚂蚁组成的蚁群的集体行为便表现出一种信息 正反馈现象 ： 某一路径上走过的蚂蚁越多 ， 则后来者 选择该路径的概率就越大 。 蚂蚁个体之间通过信息 素的交流达到搜索食物的目的 。 蚁群算法是继模拟 遗传算 法 、 禁 忌 搜 索 算 法、 人工神经网络 退火算法 、 算法等启发式搜索算法以后的又一种应用于组合优 化问题的启发式搜索算法
：Ｐ Ａ ｂ ｓ ｔ ｒ ａ ｃ ｔ ｕ ｔ ｆ ｏ ｒ ｗ ａ ｒ ｄ ｉ ｓ ａ ｎ ｉ ｍ ｒ ｏ ｖ ｅ ｄ ａ ｎ ｔ ｃ ｏ ｌ ｏ ｎ ｃ ｌ ｕ ｓ ｔ ｅ ｒ ｉ ｎ ａ ｌ ｏ ｒ ｉ ｔ ｈ ｍ ｂ ａ ｓ ｅ ｄ ｏ ｎ ａ ｎ ｔ ｃ ｏ ｌ ｏ ｎ ｐ ｙ ｇ ｇ ｙ ａ ｌ ｏ ｒ ｉ ｔ ｈ ｍ ａ ｎ ｄ ｆ ｕ ｚ ｚ ｃ ｌ ｕ ｓ ｔ ｅ ｒ ｉ ｎ ａ ｌ ｏ ｒ ｉ ｔ ｈ ｍ ｔ ｏ ｉ ｄ ｅ ｎ ｔ ｉ ｆ ｔ ｈ ｅ ｖ ｏ ｌ ｃ ａ ｎ ｉ ｃ ｒ ｏ ｃ ｋ ｌ ｉ ｔ ｈ ｏ ｌ ｏ ａ ｃ ｃ ｕ ｒ ａ ｔ ｅ ｌ ． ｇ ｙ ｇ ｇ ｙ ｇ ｙ ｙ ａ ｒ ｅ ｔ ｈ ｅ ｒ ｉ ｎ ｃ ｉ ｌ ｅ ｏ ｆ ａ ｎ ｔ ｃ ｏ ｌ ｏ ｎ ａ ｌ ｏ ｒ ｉ ｔ ｈ ｍ， ｒ ｅ ａ ｌ ｉ ｚ ａ ｔ ｉ ｏ ｎ ｒ ｏ ｃ ｅ ｓ ｓ ｏ ｆ Ｋ－ｍ ｅ ａ ｎ ｓ ｃ ｌ ｕ ｓ ｔ ｅ ｒ ｉ ｎ Ｉ ｎ ｔ ｒ ｏ ｄ ｕ ｃ ｅ ｄ ｐ ｐ ｙ ｇ ｐ ｇ ａ ｌ ｏ ｒ ｉ ｔ ｈ ｍ ａ ｎ ｄ ｉ ｍ ｒ ｏ ｖ ｅ ｄ ａ ｎ ｔ ｃ ｏ ｌ ｏ ｎ ｃ ｌ ｕ ｓ ｔ ｅ ｒ ｉ ｎ ａ ｌ ｏ ｒ ｉ ｔ ｈ ｍ．Ａ ｆ ｔ ｅ ｒ ｔ ｒ ａ ｉ ｎ ｉ ｎ ａ ｎ ｄ ｌ ｅ ａ ｒ ｎ ｉ ｎ ｏ ｆ ｔ ｈ ｅ ｐ ｙ ｇ ｇ ｇ ｇ ｇ ， ｒ ｏ ｃ ｋ ｓ ａ ｍ ｌ ｅ ｄ ａ ｔ ａ ｈ ｅ ｂ ｅ ｓ ｔ ｃ ｌ ｕ ｓ ｔ ｅ ｒ ｃ ｅ ｎ ｔ ｅ ｒ ｓ ａ ｒ ｅ ｏ ｂ ｔ ａ ｉ ｎ ｅ ｄ ．Ｔ ｈ ｅ ｎ ｔ ｈ ｅ ｌ ｉ ｔ ｈ ｏ ｌ ｏ ｏ ｆ ｖ ｏ ｌ ｃ ａ ｎ ｉ ｃ ｏ ｉ ｎ ｔ ｓ ｔ － ｐ ｇ ｙ ｐ ａ ｃ ｔ ｕ ａ ｌ ｌ ｏ ｉ ｎ ｄ ａ ｔ ａ ｃ ａ ｎ ｂ ｅ ｉ ｄ ｅ ｎ ｔ ｉ ｆ ｉ ｅ ｄ ｂ ｃ ｏ ｍ ａ ｒ ｉ ｎ ｔ ｈ ｅ ｓ ｕ ｍ ｏ ｆ ｗ ｅ ｉ ｈ ｔ ｅ ｄ ｏ ｉ ｎ ｔ ｓ ｈ ｅ ｒ ｏ ｍ ｏ ｎ ｅ ｇ ｇ ｇ ｙ ｐ ｇ ｇ ｐ ｐ ， ｖ ａ ｌ ｕ ｅ ｓ ．Ｐ ｒ ａ ｃ ｔ ｉ ｃ ａ ｌ ａ ｌ ｉ ｃ ａ ｔ ｉ ｏ ｎ ｓ ｏ ｆ ４ ３ ０ｖ ｏ ｌ ｃ ａ ｎ ｉ ｃ ｃ ｈ ｉ ｓ ｉ ｎ Ｓ ｏ ｎ ｌ ｉ ａ ｏ ｂ ａ ｓ ｉ ｎ ｓ ｈ ｏ ｗ ｔ ｈ ａ ｔ ｃ ｏ ｎ ｃ ｅ ｎ ｔ ｒ ａ ｔ ｉ ｏ ｎ ｐ ｐ ｐ ｇ ｃ ｏ ｍ ａ ｒ ｅ ｄ ｗ ｉ ｔ ｈ Ｓ ＯＭ ａ ｓ ｗ ｅ ｌ ｌ ａ ｓ Ｋ－ｍ ｅ ａ ｎ ｓ ｃ ｌ ｕ ｓ ｔ ｅ ｒ ｉ ｎ ａ ｌ ｏ ｒ ｉ ｔ ｈ ｍ， ｔ ｈ ｅ ｉ ｍ ｒ ｏ ｖ ｅ ｄ ａ ｎ ｔ ｃ ｏ ｌ ｏ ｎ ｃ ｌ ｕ ｓ ｔ ｅ ｒ ｉ ｎ ｐ ｇ ｇ ｐ ｙ ｇ ， ａ ｌ ｏ ｒ ｉ ｔ ｈ ｍ ｉ ｓ ｍ ｏ ｒ ｅ ａ ｃ ｃ ｕ ｒ ａ ｔ ｅ ｆ ａ ｓ ｔ ｅ ｒ ｃ ａ ｌ ｃ ｕ ｌ ａ ｔ ｉ ｏ ｎ ａ ｎ ｄ ｒ ａ ｃ ｔ ｉ ｃ ａ ｌ ｉ ｎ ｌ ｉ ｔ ｈ ｏ ｌ ｏ ｉ ｄ ｅ ｎ ｔ ｉ ｆ ｉ ｃ ａ ｔ ｉ ｏ ｎ． ｇ ｐ ｇ ｙ ：ｌ ， ， Ｋ ｅ ｗ ｏ ｒ ｄ ｓ ｏ ｉ ｎ ｔ ｅ ｒ ｒ ｅ ｔ ａ ｔ ｉ ｏ ｎ ａ ｎ ｔ ｃ ｏ ｌ ｏ ｎ ａ ｌ ｏ ｒ ｉ ｔ ｈ ｍ， ｆ ｕ ｚ ｚ ｃ ｌ ｕ ｓ ｔ ｅ ｒ ｉ ｎ ｖ ｏ ｌ ｃ ａ ｎ ｉ ｃ ｒ ｏ ｃ ｋ， ｌ ｉ ｔ ｈ ｏ ｌ ｏ ｇ ｐ ｙ ｇ ｙ ｇ ｇ ｙ ｙ ， ｉ ｄ ｅ ｎ ｔ ｉ ｆ ｉ ｃ ａ ｔ ｉ ｏ ｎ Ｓ ｏ ｎ ｌ ｉ ａ ｏ ｂ ａ ｓ ｉ ｎ ｇ
［ １ ０ － １ １］
２ 改进蚁群聚类算法的实现过程
常规 Ｋ－ 均值聚 类 方 法 只 对 属 性 相 近 的 点 进 行 模糊聚类 ， 初始聚类中心随机给出 ， 对聚类结果的影 响很大且 实 际 物 理 意 义 不 明 确 。 这 种 方 法 计 算 量 耗时多 、 容易受孤立点的影响 。 基于以上原因本 大、 文提出了一种改进的蚁群聚类算法 。 对样 本 数 据 点 进 行 训 练 时 ， 以不同岩性的曲线 使得初始聚类中心接近 均值作为初始的聚 类 中 心 ， 真值而能够更快 收 敛 。 在 进 行 迭 代 时 ， 为了避免某 些距离聚类中心过 远 的 散 逸 点 影 响 初 始 聚 类 中 心 ， 造成偏移过大且过 早 收 敛 的 问 题 ， 引入了聚类半径 这一 参 数 。 不 同 岩 性 取 不 同 的 聚 类 半 径 ， 对于 否 ｄ ｒ ｉ ｊ＜ ｊ 的数据点按 照 最 大 隶 属 度 原 则 进 行 归 类 ， 归 置 在 未 归 类 点 集 中。 则认为该 数 据 点 为 散 逸 点 ， 对信息素进行更新 ， 再次迭代 ， 当聚类中心不再发生 变化时 ， 得到的新的 聚 类 中 心 即 为 全 局 最 佳 的 聚 类 对未归类的数据点计算隶属度并进行归类 ， 即 中心 ，
６］ 描 述了 后的数据交会识别火山岩岩性 。 黄布宙等 ［
松辽盆地北部深 层 流 纹 岩 、 安 山 岩、 安 山 玄 武 岩、 英 安岩和凝灰岩等岩 性 特 征 ， 并用模糊聚类方法进行
７］ 了岩性识别 。 王玉娟等 ［ 利用自组织神经网络对松
辽盆地东岭地区深 部 火 成 岩 井 段 进 行 了 岩 性 识 别 。
０ 引 言
火山岩成分 复 杂 ， 矿 物 结 合 方 式 多 样。 建 立 测 井资料与地质岩性 定 名 资 料 之 间 的 响 应 关 系 ， 实现 利用测井资料划分地层岩性已经成为目前火山岩岩
１ － ４］ 。利用测井方法进行岩性识 性识别研究 的 热 点 ［
选测井资料入手 ， 主要采用聚类分析法 ， 再利用优选
别的方法很多 ， 最常用的为交会图版方法识别岩性 ， 近年来神经网络 、 主 成 分 分 析、 模 糊 聚 类、 遗传算法
５］ 等方法均已应用到岩性识别领域中 。 陈建文 ［ 从优
１ １ ２ ３ Ｚ ＨＡＮＧ Ｃ ｈ ｅ ｎ ｅ ｎ， Ｐ ＡＮ Ｂ ａ ｏ ｚ ｈ ｉ ， Ｌ Ｉ Ｕ Ｑ ｉ ａ ｎ ｒ ｕ， ＸＵ Ｘ ｉ ｎ ｅ ｇ ｙ
（ ， ， ， ； １． Ｃ ｏ ｌ ｌ ｅ ｅ ｏ ｆ Ｇ ｅ ｏ ｅ ｘ ｌ ｏ ｒ ａ ｔ ｉ ｏ ｎ Ｓ ｃ ｉ ｅ ｎ ｃ ｅ ａ ｎ ｄ Ｔ ｅ ｃ ｈ ｎ ｏ ｌ ｏ Ｊ ｉ ｌ ｉ ｎ Ｕ ｎ ｉ ｖ ｅ ｒ ｓ ｉ ｔ Ｃ ｈ ａ ｎ ｃ ｈ ｕ ｎ Ｊ ｉ ｌ ｉ ｎ １ ３ ０ ０ ２ ６， Ｃ ｈ ｉ ｎ ａ － ｇ ｐ ｇ ｙ ｙ ｇ ， ， ， ； ２． Ｃ ｏ ｌ ｌ ｅ ｅ ｏ ｆ Ｅ ａ ｒ ｔ ｈ Ｓ ｃ ｉ ｅ ｎ ｃ ｅ Ｊ ｉ ｌ ｉ ｎ Ｕ ｎ ｉ ｖ ｅ ｒ ｓ ｉ ｔ Ｃ ｈ ａ ｎ ｃ ｈ ｕ ｎ Ｊ ｉ ｌ ｉ ｎ １ ３ ０ ０ ２ ６， Ｃ ｈ ｉ ｎ ａ ｇ ｙ ｇ ， ， ） ３．Ｎ ｏ ｒ ｔ ｈ ｅ ａ ｓ ｔ Ｏ ｉ ｌ ａ ｎ ｄ Ｇ ａ ｓ Ｂ ｒ ａ ｎ ｃ ｈ Ｓ Ｉ ＮＯ Ｐ Ｅ Ｃ， Ｃ ｈ ａ ｎ ｃ ｈ ｕ ｎ Ｊ ｉ ｌ ｉ ｎ １ ３ ０ ０ ２ ６， Ｃ ｈ ｉ ｎ ａ ｇ
１ ３ － １ ５］ 。 完成了所有数据点的岩性判别工作 ［
。 目前主要用于求解
旅行商问题 、 指派问题 、 调度问题 、 图像处理等 ， 袁可
１ ２］ 红等 ［ 利用蚁 群 聚 类 算 法 对 储 层 的 含 油 性 进 行 识
别 。 本文首次将该方法用于岩性识别 。 本文结合蚁 群 算 法 及 Ｋ －均 值 聚 类 分 析 方 法 提 通过对样本点的训 出了一种改进的蚁 群 聚 类 算 法 ， 练和学习找到最 优 化 的 聚 类 中 心 。 另 外 ， 借鉴蚁群 算法中信息素的相 关 方 法 ， 提出了一种新的聚类距 离， 并对松辽盆地 ２ 口 井 岩 性 进 行 了 聚 类 判 别 。 改 进的蚁群聚类 算 法 与 自 组 织 神 经 网 络 及 Ｋ －均 值 聚 判别准确率更高 ， 表明该算法能很好地 类算法相比 ， 实现火山岩岩性的判别 ， 效果良好 ， 是一种新的岩性 判别有效方法 。
改进蚁群聚类算法在火山岩岩性识别中的应用
张程恩１， 潘保芝１， 刘倩茹２， 徐新也３
（ 吉林大学地球科学学院 ，吉林 长春 １ １．吉林大学地球探测科学与技术学院 ，吉林 长春 １ ３ ０ ０ ２ ６； ２． ３ ０ ０ ２ ６； ） ３．中国石油化工股份有限公司东北油气分公司 ，吉林 长春 １ ３ ０ ０ ２ ６ 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 ４ ３ ０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 。 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 中图分类号 ：Ｐ ６ ３ １ ． ８ ４ 文献标识码 ：Ａ
Ａ ｌ ｉ ｃ ａ ｔ ｉ ｏ ｎ ｏ ｆ Ｉ ｍ ｒ ｏ ｖ ｅ ｄ Ａ ｎ ｔ Ｃ ｏ ｌ ｏ ｎ Ｃ ｌ ｕ ｓ ｔ ｅ ｒ ｉ ｎ Ａ ｌ ｏ ｒ ｉ ｔ ｈ ｍ ｔ ｏ Ｖ ｏ ｌ ｃ ａ ｎ ｉ ｃ Ｒ ｏ ｃ ｋ Ｌ ｉ ｔ ｈ ｏ ｌ ｏ Ｉ ｄ ｅ ｎ ｔ ｉ ｆ ｉ ｃ ａ ｔ ｉ ｏ ｎ ｐ ｐ ｐ ｙ ｇ ｇ ｇ ｙ
第３ ６卷 第４期 ２ ０ １ ２年８月 （ ） 文章编号 ： １ ０ ０ ４ － １ ３ ３ ８ ２ ０ １ ２ ０ ４ － ０ ３ ７ ８ － ０ ４
测 井 技 术
ＷＥ Ｌ Ｌ Ｌ Ｏ Ｇ Ｇ Ｉ ＮＧ Ｔ Ｅ ＣＨＮＯ Ｌ Ｏ ＧＹ
Ｖ ｏ ｌ ． ３ຫໍສະໝຸດ Baidu６ Ｎ ｏ ． ４ Ａ ｕ ２ ０ １ ２ ｇ
对松辽盆地火成岩进行了岩性划分 。
作者简介 ：张程恩 ， 男， 硕士研究生 ， 从事测井解释与研究工作 。 １ ９ ８ ８ 年生 ，
等： 改进蚁群聚类算法在火山岩岩性识别中的应用 ６ 卷 第 ４ 期 张程恩 ， 第３
·３ ７ ９·
蚁群算法是意大利 学 者 Ｍ Ｄ ｏ ｒ ｉ ｏ等受自然界 ｇ 中蚂蚁觅食行为的启发而发展起来的一种新的模拟 进化算法 。 人们经 过 大 量 研 究 发 现 ， 蚂蚁在搜索食 物源时会在其走 过 的 路 径 上 释 放 信 息 素 。 因 此 ， 由 大量蚂蚁组成的蚁群的集体行为便表现出一种信息 正反馈现象 ： 某一路径上走过的蚂蚁越多 ， 则后来者 选择该路径的概率就越大 。 蚂蚁个体之间通过信息 素的交流达到搜索食物的目的 。 蚁群算法是继模拟 遗传算 法 、 禁 忌 搜 索 算 法、 人工神经网络 退火算法 、 算法等启发式搜索算法以后的又一种应用于组合优 化问题的启发式搜索算法
：Ｐ Ａ ｂ ｓ ｔ ｒ ａ ｃ ｔ ｕ ｔ ｆ ｏ ｒ ｗ ａ ｒ ｄ ｉ ｓ ａ ｎ ｉ ｍ ｒ ｏ ｖ ｅ ｄ ａ ｎ ｔ ｃ ｏ ｌ ｏ ｎ ｃ ｌ ｕ ｓ ｔ ｅ ｒ ｉ ｎ ａ ｌ ｏ ｒ ｉ ｔ ｈ ｍ ｂ ａ ｓ ｅ ｄ ｏ ｎ ａ ｎ ｔ ｃ ｏ ｌ ｏ ｎ ｐ ｙ ｇ ｇ ｙ ａ ｌ ｏ ｒ ｉ ｔ ｈ ｍ ａ ｎ ｄ ｆ ｕ ｚ ｚ ｃ ｌ ｕ ｓ ｔ ｅ ｒ ｉ ｎ ａ ｌ ｏ ｒ ｉ ｔ ｈ ｍ ｔ ｏ ｉ ｄ ｅ ｎ ｔ ｉ ｆ ｔ ｈ ｅ ｖ ｏ ｌ ｃ ａ ｎ ｉ ｃ ｒ ｏ ｃ ｋ ｌ ｉ ｔ ｈ ｏ ｌ ｏ ａ ｃ ｃ ｕ ｒ ａ ｔ ｅ ｌ ． ｇ ｙ ｇ ｇ ｙ ｇ ｙ ｙ ａ ｒ ｅ ｔ ｈ ｅ ｒ ｉ ｎ ｃ ｉ ｌ ｅ ｏ ｆ ａ ｎ ｔ ｃ ｏ ｌ ｏ ｎ ａ ｌ ｏ ｒ ｉ ｔ ｈ ｍ， ｒ ｅ ａ ｌ ｉ ｚ ａ ｔ ｉ ｏ ｎ ｒ ｏ ｃ ｅ ｓ ｓ ｏ ｆ Ｋ－ｍ ｅ ａ ｎ ｓ ｃ ｌ ｕ ｓ ｔ ｅ ｒ ｉ ｎ Ｉ ｎ ｔ ｒ ｏ ｄ ｕ ｃ ｅ ｄ ｐ ｐ ｙ ｇ ｐ ｇ ａ ｌ ｏ ｒ ｉ ｔ ｈ ｍ ａ ｎ ｄ ｉ ｍ ｒ ｏ ｖ ｅ ｄ ａ ｎ ｔ ｃ ｏ ｌ ｏ ｎ ｃ ｌ ｕ ｓ ｔ ｅ ｒ ｉ ｎ ａ ｌ ｏ ｒ ｉ ｔ ｈ ｍ．Ａ ｆ ｔ ｅ ｒ ｔ ｒ ａ ｉ ｎ ｉ ｎ ａ ｎ ｄ ｌ ｅ ａ ｒ ｎ ｉ ｎ ｏ ｆ ｔ ｈ ｅ ｐ ｙ ｇ ｇ ｇ ｇ ｇ ， ｒ ｏ ｃ ｋ ｓ ａ ｍ ｌ ｅ ｄ ａ ｔ ａ ｈ ｅ ｂ ｅ ｓ ｔ ｃ ｌ ｕ ｓ ｔ ｅ ｒ ｃ ｅ ｎ ｔ ｅ ｒ ｓ ａ ｒ ｅ ｏ ｂ ｔ ａ ｉ ｎ ｅ ｄ ．Ｔ ｈ ｅ ｎ ｔ ｈ ｅ ｌ ｉ ｔ ｈ ｏ ｌ ｏ ｏ ｆ ｖ ｏ ｌ ｃ ａ ｎ ｉ ｃ ｏ ｉ ｎ ｔ ｓ ｔ － ｐ ｇ ｙ ｐ ａ ｃ ｔ ｕ ａ ｌ ｌ ｏ ｉ ｎ ｄ ａ ｔ ａ ｃ ａ ｎ ｂ ｅ ｉ ｄ ｅ ｎ ｔ ｉ ｆ ｉ ｅ ｄ ｂ ｃ ｏ ｍ ａ ｒ ｉ ｎ ｔ ｈ ｅ ｓ ｕ ｍ ｏ ｆ ｗ ｅ ｉ ｈ ｔ ｅ ｄ ｏ ｉ ｎ ｔ ｓ ｈ ｅ ｒ ｏ ｍ ｏ ｎ ｅ ｇ ｇ ｇ ｙ ｐ ｇ ｇ ｐ ｐ ， ｖ ａ ｌ ｕ ｅ ｓ ．Ｐ ｒ ａ ｃ ｔ ｉ ｃ ａ ｌ ａ ｌ ｉ ｃ ａ ｔ ｉ ｏ ｎ ｓ ｏ ｆ ４ ３ ０ｖ ｏ ｌ ｃ ａ ｎ ｉ ｃ ｃ ｈ ｉ ｓ ｉ ｎ Ｓ ｏ ｎ ｌ ｉ ａ ｏ ｂ ａ ｓ ｉ ｎ ｓ ｈ ｏ ｗ ｔ ｈ ａ ｔ ｃ ｏ ｎ ｃ ｅ ｎ ｔ ｒ ａ ｔ ｉ ｏ ｎ ｐ ｐ ｐ ｇ ｃ ｏ ｍ ａ ｒ ｅ ｄ ｗ ｉ ｔ ｈ Ｓ ＯＭ ａ ｓ ｗ ｅ ｌ ｌ ａ ｓ Ｋ－ｍ ｅ ａ ｎ ｓ ｃ ｌ ｕ ｓ ｔ ｅ ｒ ｉ ｎ ａ ｌ ｏ ｒ ｉ ｔ ｈ ｍ， ｔ ｈ ｅ ｉ ｍ ｒ ｏ ｖ ｅ ｄ ａ ｎ ｔ ｃ ｏ ｌ ｏ ｎ ｃ ｌ ｕ ｓ ｔ ｅ ｒ ｉ ｎ ｐ ｇ ｇ ｐ ｙ ｇ ， ａ ｌ ｏ ｒ ｉ ｔ ｈ ｍ ｉ ｓ ｍ ｏ ｒ ｅ ａ ｃ ｃ ｕ ｒ ａ ｔ ｅ ｆ ａ ｓ ｔ ｅ ｒ ｃ ａ ｌ ｃ ｕ ｌ ａ ｔ ｉ ｏ ｎ ａ ｎ ｄ ｒ ａ ｃ ｔ ｉ ｃ ａ ｌ ｉ ｎ ｌ ｉ ｔ ｈ ｏ ｌ ｏ ｉ ｄ ｅ ｎ ｔ ｉ ｆ ｉ ｃ ａ ｔ ｉ ｏ ｎ． ｇ ｐ ｇ ｙ ：ｌ ， ， Ｋ ｅ ｗ ｏ ｒ ｄ ｓ ｏ ｉ ｎ ｔ ｅ ｒ ｒ ｅ ｔ ａ ｔ ｉ ｏ ｎ ａ ｎ ｔ ｃ ｏ ｌ ｏ ｎ ａ ｌ ｏ ｒ ｉ ｔ ｈ ｍ， ｆ ｕ ｚ ｚ ｃ ｌ ｕ ｓ ｔ ｅ ｒ ｉ ｎ ｖ ｏ ｌ ｃ ａ ｎ ｉ ｃ ｒ ｏ ｃ ｋ， ｌ ｉ ｔ ｈ ｏ ｌ ｏ ｇ ｐ ｙ ｇ ｙ ｇ ｇ ｙ ｙ ， ｉ ｄ ｅ ｎ ｔ ｉ ｆ ｉ ｃ ａ ｔ ｉ ｏ ｎ Ｓ ｏ ｎ ｌ ｉ ａ ｏ ｂ ａ ｓ ｉ ｎ ｇ
［ １ ０ － １ １］
２ 改进蚁群聚类算法的实现过程
常规 Ｋ－ 均值聚 类 方 法 只 对 属 性 相 近 的 点 进 行 模糊聚类 ， 初始聚类中心随机给出 ， 对聚类结果的影 响很大且 实 际 物 理 意 义 不 明 确 。 这 种 方 法 计 算 量 耗时多 、 容易受孤立点的影响 。 基于以上原因本 大、 文提出了一种改进的蚁群聚类算法 。 对样 本 数 据 点 进 行 训 练 时 ， 以不同岩性的曲线 使得初始聚类中心接近 均值作为初始的聚 类 中 心 ， 真值而能够更快 收 敛 。 在 进 行 迭 代 时 ， 为了避免某 些距离聚类中心过 远 的 散 逸 点 影 响 初 始 聚 类 中 心 ， 造成偏移过大且过 早 收 敛 的 问 题 ， 引入了聚类半径 这一 参 数 。 不 同 岩 性 取 不 同 的 聚 类 半 径 ， 对于 否 ｄ ｒ ｉ ｊ＜ ｊ 的数据点按 照 最 大 隶 属 度 原 则 进 行 归 类 ， 归 置 在 未 归 类 点 集 中。 则认为该 数 据 点 为 散 逸 点 ， 对信息素进行更新 ， 再次迭代 ， 当聚类中心不再发生 变化时 ， 得到的新的 聚 类 中 心 即 为 全 局 最 佳 的 聚 类 对未归类的数据点计算隶属度并进行归类 ， 即 中心 ，
６］ 描 述了 后的数据交会识别火山岩岩性 。 黄布宙等 ［
松辽盆地北部深 层 流 纹 岩 、 安 山 岩、 安 山 玄 武 岩、 英 安岩和凝灰岩等岩 性 特 征 ， 并用模糊聚类方法进行
７］ 了岩性识别 。 王玉娟等 ［ 利用自组织神经网络对松
辽盆地东岭地区深 部 火 成 岩 井 段 进 行 了 岩 性 识 别 。
０ 引 言
火山岩成分 复 杂 ， 矿 物 结 合 方 式 多 样。 建 立 测 井资料与地质岩性 定 名 资 料 之 间 的 响 应 关 系 ， 实现 利用测井资料划分地层岩性已经成为目前火山岩岩
１ － ４］ 。利用测井方法进行岩性识 性识别研究 的 热 点 ［
选测井资料入手 ， 主要采用聚类分析法 ， 再利用优选