基于KNN的剩余油形态识别
2020年信息技术与网络安全第1期
程小龙,王正勇,滕奇志
(四川大学 电子信息学院 图像信息研究所,四川 成都 610065)
摘要: 对从实验中采集到的剩余油图像进行分析研究,可以为油藏后期开采提供理论依据。通过收集确定类型的剩余油特征数据作为样本集向量空间,对待分类剩余油特征数据进行归一化处理,之后求取欧氏距离。使用KNN(K近邻)分类方法近邻投票确定剩余油类别,可以较为快速准确地得到分类结果。
中图分类号:TP312
文献标识码:A
DOI: 10.19358/j.issn.2096-5133.2020.01.020
引用格式:程小龙,王正勇,滕奇志。基于KNN的剩余油形态识别[J]。信息技术与网络安全,2020,39(1):104-107.
文献标识码:A
DOI: 10.19358/j.issn.2096-5133.2020.01.020
引用格式:程小龙,王正勇,滕奇志。基于KNN的剩余油形态识别[J]。信息技术与网络安全,2020,39(1):104-107.
Knearest neighbor method for recognizing the shape of residual oil
Cheng Xiaolong,Wang Zhengyong,Teng Qizhi
(Institute of Image Information,School of Electronics and Information Engineering,Sichuan University,Chengdu 610065,China)
Abstract: The analysis of the remaining oil images collected from the experiment can provide a theoretical basis for the later stage of reservoir development.In this paper,the remaining oil characteristic data of the determined type is collected as the sample set vector space,and the Euclidean distance is obtained after normalizing the residual oil characteristic data to be classified.According to the KNN (Knearest neighbor) classification method,the neighbor voting determines the category,and the classification result can be obtained quickly and accurately.
Key words : remaining oil classification;Knearest neighbor;morphological recognition
0 引言
石油地质研究人员一般通过微观驱替实验来研究采收效率,该实验是对玻璃刻蚀模型进行驱替仿真并在驱替过程中收集驱替图像,实验过程如图1所示。剩余油顾名思义是剩余的油,当驱替结束时,孔隙空间中尚残余的油即为剩余油。研究剩余油的形态分类,可对充分挖掘油藏潜力,提高油田采收效率提供理论支撑,为此本文提出了基于KNN的分类方法对剩余油形态进行分类。
本文详细内容请下载:http://www.chinaaet.com/resource/share/2000003149
作者信息:
程小龙,王正勇,滕奇志
(四川大学 电子信息学院 图像信息研究所,四川 成都 610065)
此内容为AET网站原创,未经授权禁止转载。