石油测井数据量非常大,它主要包括声、电、核等各种测井信息。随着数控测井技术普及和成像测井技术的不断推广,其测井数据量正在以指数速度增长,如何利用其数据库提取有用的或有趣的模式,为测井解释、油气勘探和开发以及地质工程评价等作出决策,这是一项极具重要意义的工作,也即数据库中的知识发现技术(Knowledge Discovery in Database,KDD)所要解决的问题,KDD系统中的知识学习阶段被称为数据挖掘(Data Mining,DM),它是KDD的核心。常用的数据挖掘方法,如关联规则、决策树、遗传算法等,由于测井数据往往存在着模糊性和噪声的影响,对此,这些方法均未给予全面充分的考虑。为此我们探讨一种基于粗集理论和神经网络的数据挖掘方法。
暂无评论