改进蚁群聚类算法在火山岩岩性识别中的应用

张程恩，潘保芝，刘倩茹，徐新也

（1.吉林大学地球探测科学与技术学院，吉林长春130026；2.吉林大学地球科学学院，吉林长春130026；3.中国石油化工股份有限公司东北油气分公司，吉林长春130026）

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

（1.吉林大学地球探测科学与技术学院，吉林长春130026；2.吉林大学地球科学学院，吉林长春130026；3.中国石油化工股份有限公司东北油气分公司，吉林长春130026）

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430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。

测井解释；蚁群算法；模糊聚类；火山岩；岩性识别；松辽盆地

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性识别研究的热点［1－4］。利用测井方法进行岩性识别的方法很多，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、遗传算法等方法均已应用到岩性识别领域中。……