[发明专利]一种基于支持向量分类机和K邻近法的随钻测斜仪姿态误差标定方法

权利要求书

1.一种基于支持向量分类机和K邻近法的随钻测斜仪姿态误差标定方法，其特征在于，包括：通过向量分类机进行接收钻具姿态特征样本的模式分类，并结合K邻近法完善分类结果，进行标定，以得到提升精度的钻具姿态数据。

2.如权利要求1所述的一种基于支持向量分类机和K邻近法的随钻测斜仪姿态误差标定方法，其特征在于，钻具姿态的计算需要进行多次分类，且多次分类可以拆分为若干个二分类，过程主要为两个模式，分别为训练模式和分类模式，其中训练模式为分类模式服务，同时分类模式的计算结果也可以作为训练模式的样本。多次分类判定中钻具姿态训练样本集T＝{(X₁，Y₁)，(X₂，Y₂)，...，(X_m，Y_m)}；

其中，X_i∈X＝Rⁿ为实测钻具姿态训练样本数据；Y_i∈Y∈{1，-1}为判定结果；i＝1，2，...，m；

上述实测钻具姿态训练样本数据集为线性可分的，将钻具姿态样本数据正确的划分为两类的分类超平面ωX+b＝0。其对应的是室内位置判别函数为符号函数：F(X)＝sgn(ωX+b)。

3.如权利要求1所述的一种基于支持向量分类机和K邻近法的随钻测斜仪姿态误差标定方法，其特征在于，应用Lagrange对偶理论及二次规划方法，考虑钻具姿态数据样本与分类超平面的距离问题，以得到最优ω及b，获得最优分类超平面，满足结构风险最小化原则，具体包括：

根据得到最优解ω及b；

其中，为求解二次规划得到，X_r与X_s为钻具姿态信息的支持向量；

根据得到最优解下的符号函数。

4.如权利要求1所述的一种基于支持向量分类机和K邻近法的随钻测斜仪姿态误差标定方法，其特征在于，解决少数钻具姿态样本导致求解最优分类超平面失败问题，采用引入松弛变量及惩罚因子C以寻求学习精度和学习能力的最佳折衷，获得最好的泛化能力。

5.如权利要求1所述的一种基于支持向量分类机和K邻近法的随钻测斜仪姿态误差标定方法的多次分类判定，其特征在于，解决测斜仪精度标定系统获取包含钻具姿态信息的钻具姿态特征向量受环境影响较大，在低维空间难以完成线性分类的问题，采用满足Mercer条件的核函数完成样本线性不可分低维空间到线性可分高维空间的映射。然后，采用与线性可分问题类似的方法在高维空间中求解最优分类超平面，具体包括：

根据得到最优判别函数的一般形式F(X)；

其中，K(X_i，X)为核函数；

采用核函数提高了模型的复杂度；

其中，σ为标准差。

6.如权利要求1所述的一种基于支持向量分类机和K邻近法的随钻测斜仪姿态误差标定方法，其特征在于，采用构造多分类向量分类机来解决上述实际钻具姿态有不同的角度，并且随着钻具姿态数据精度增加，其分类数量也随之增加的问题；

在钻具姿态测量过程中，进行多次采集建立钻具姿态样本数据库；该样本库中的N个样本分别对应c个已知钻具姿态，其中对应位置为ω_i(i＝1，2，...，c)样本具有N_i个；

当对待测钻具姿态进行测量时，待测钻具姿态的位样本x的k个邻近中属于类别ω₁，ω₂，...，ω_c的样本数分别为k₁，k₂，...，k_c个，针对当前位置的判别函数可以表述为g_i(x)＝k_i(i＝1，2，...c)，钻具姿态判定规则表述为：若则判别：x∈ω_j(j＝1，2，...，c)；

对于分类超平面附近的样本，可采用K邻近法进行分类，具体包括：

根据得到系统在待测样本采集并处理过的钻具姿态特征向量，利用训练时得到的分类机完成初次分类得到钻具姿态信息，同时得到该类别的决策函数和支持向量。而后使用同样的核函数对钻具姿态特征向量与支持向量向高维空间映射得到和，并求得二者映射后的欧式距离；

根据得到位置判定。