基于改进低秩矩阵恢复模型的测井数据去噪方法研究

在铀矿中子测井数据处理方面,受井液、地层孔隙度、岩性等因素的影响,测井的噪声数据不一定满足稀疏性的要求,传统的低秩矩阵恢复(LRMR)模型对于测井原始数据的去噪效果不佳。作者提出一种基于低秩矩阵恢复的改进模型,以提高对含复杂噪声的测井数据的去噪能力。同时把加权m1范数和加权核范数的思想引入到传统的LRMR模型中,使用F范数作为惩罚项,得到改进的LRMR模型,并应用表现效果较好的非精确增广拉格朗日乘子法(IALM)对模型进行求解。运用传统模型和改进的模型对某铀矿的中子测井数据进行去噪,并使用支持向量机、决策树算法对去噪后的数据进行矿层分类分析;实验结果表明,经过改进模型去噪处理后的测井数据分类准确度更高。改进的LRMR模型去噪能力比传统LRMR模型更强,为铀矿中子测井数据去噪提供了技术支撑。