利用弹性参数识别致密砂岩储层流体性质

鄂尔多斯盆地苏里格气田致密砂岩储层的孔隙结构复杂,储层低孔、低渗、非均质性特征明显,储层流体识别困难。基于偶极声波测井资料,以致密砂岩岩石弹性参数为基础,利用指标法、交会图分析法、支持向量机进行储层流体性质识别的方法研究。结果表明:纵横波时差比、地层压缩系数与泊松比比值、纵波弹性模量差比可以作为气层识别的指标;引入流体敏感度评价参数,优选出能敏感反映储层含气性的弹性参数,如拉梅系数与密度之积、拉梅系数、体积模量、拉梅系数与剪切模量之比、弹性模量,结合支持向量机对流体进行识别,能够提高流体识别精度;对有试气结论的储层样本进行实际分类处理,利用支持向量机判别样本的成功率为92%。通过对苏里格气田的X350井进行实际分类处理,并经过试气结论验证,证明优选能敏感反映储层含气性的弹性参数,结合支持向量机对储层流体进行识别的方法是切实可行的。     

遗传算法优化支持向量机在大坝变形预测中的应用

建立大坝变形预测的支持向量机模型,并用遗传算法对支持向量机模型的核函数参数、惩罚参数和损失参数进行优化。将同一优化方法不同支持向量机核函数、不同优化方法同种支持向量机核函数进行横向对比,将BP神经网络、自回归AR(p)模型、多元回归分析法和周期函数拟合法进行纵向对比。结果表明,该GA-SVM(RBF)模型不仅能较好地预测大坝的变形趋势,而且能大幅提高预测精度。     

基于灰色最小二乘支持向量机的大坝变形预测

提出一种基于灰色最小二乘支持向量机的大坝变形预测新算法。通过对原始大坝序列进行一次累加,弱化序列中随机扰动的影响,增强数据的规律性,进而建立最小二乘支持向量机预测模型,并采用网格搜索法选取最优参数。算法充分利用了最小二乘支持向量机泛化能力强、非线性拟合性好等优良特性,避免了灰色方法及模型存在的理论缺陷。与灰色GM(1,1)和单一最小二乘支持向量机对比表明,新算法能保证较优的局部预测值和较好的全局预测精度,应用于短期大坝变形预测是可行的。     

基于空间多尺度分析的滑坡易发性评价——以三峡库区秭归-巴东段为例

以三峡库区秭归-巴东段为例,将地理加权回归(GWR)模型引入到研究区的空间尺度分割方法中,利用粒子群优化(PSO)算法对支持向量机(SVM)模型参数进行优化,构建GWR-PSO-SVM耦合模型,完成研究区滑坡易发性评价,并与传统的PSO-SVM耦合模型结果进行对比。结果表明,在特定类别精度分析、总体预测精度分析和曲线下面积分析中,本文方法评价效果均优于传统方法。     

基于LS-SVM的灰色补偿RBF神经网络组合预测模型在建筑物沉降分析中的应用

针对GM(1,1)模型在建筑物变形预测中精度和泛化能力较低的缺陷,提出一种基于LS-SVM的灰色补偿RBF神经网络的建筑物变形组合预测方法。利用最小二乘支持向量机训练由灰色GM(1,1)模型预测得到的一组结果的残差值,直接获得RBF网络的中心函数训练RBF网络,得到RBF误差补偿器,去补偿GM(1,1)模型。实验证明,最小二乘支持向量机、灰色系统以及神经网络3者相结合的方法,能有效提高建筑物变形沉降预测的精度。     

利用MDT资料预测油气产能

准确地预测油气产能关系到油气田开发方案的有效制定。目前,常用模块式地层动态测试(MDT)资料进行产能预测。
由于MDT的测试时间只有几秒钟到几分钟,因此直接使用MDT测试数据计算储层产量会导致较大的误差。针对这一问题,利
用小波分析手段提取了MDT压力测试数据的小波系数之后,采用神经网络方法建立了小波系数与钻杆地层测试(DST)产能间的
数学模型,进而用该模型对其产能进行了预测。将所构建的这一整套MDT产能预测方法应用于XJ油田的产能预测中,预测结果
与DST测试产能的对比表明,该方法能够较好地对工区内的储层产能进行预测,其预测精度能够满足油气田生产的要求。      

基于支持向量机的水资源预测模型

水资源信息的预测可以为水资源的合理调配、管理和规划提供依据,为提高拟合和预测精度,建立基于支持向量机的水资源信息预测模型,采用捕鱼算法对其参数优化,并应用于地下水水位预测的实例分析,且拟合及预测精度均较高,与神经网络模型方法所取得的结果进行比较,能取得更好效果,表明将回归支持向量机用于水资源信息的拟合、预测是可行的.     

基于支持向量机的水资源预测模型

水资源信息的预测可以为水资源的合理调配、管理和规划提供依据,为提高拟合和预测精度,建立基于支持向量机的水资源信息预测模型,采用捕鱼算法对其参数优化,并应用于地下水水位预测的实例分析,且拟合及预测精度均较高,与神经网络模型方法所取得的结果进行比较,能取得更好效果,表明将回归支持向量机用于水资源信息的拟合、预测是可行的。     

基于DS数据融合与SVR-PF的锂离子电池RUL预测方法

为防止锂离子电池失效导致的系统失效,提出一种基于DS数据融合与支持向量回归机粒子滤波(Support Vector Regression-Particle Filter,SVR-PF)的锂离子电池剩余有效工作时间(Remaining Useful Life,RUL)预测方法.结果表明:该预测方法能够融合不同数据源对锂离子电池RUL的预测结果,改进可用数据较少时RUL的预测准确度.     

基于支持向量机的Internet网络延时分析与预测

针对基于Internet的网络控制系统,采用Socket通信方式构建了网络控制系统的通信平台,在此平台上对网络延时进行测试、基于时间序列的分析方法,对Internet网络延时特性以及延时时间序列的自相关性进行统计分析;进而提出了基于支持向量机的网络延时预测方法。仿真结果说明,支持向量机预测网络延时具有较高的正确率。     

基于地球多传感器网络信息的潜在滑坡判识模型

潜在滑坡的判识是滑坡预测预报中的关键问题,潜在滑坡早期判识能够有效减少灾害的发生。基于滑坡灾害诱发的各种影响因素,利用地球多源时空信息和多传感器网络,遥感监测潜在滑坡体,利用监测设备获取滑坡岩性、坡体结构、地貌形态、活动迹象等关键控制信息,从中选取滑坡灾害诱发的主要控制要素作为判识指标,建立基于多源信息的潜在滑坡多因素判识模型;特别是根据滑坡的成灾规律,分析潜在滑坡孕育过程中地貌形态改变、成灾条件变化与滑坡发生的临滑诱发条件,建立基于不同信息源的滑坡控制因素判识模型。最后,通过汶川地震灾区垮梁子滑坡体实例分析,验证潜在滑坡综合判识模型并进行优化,从而为滑坡灾害的早期判识预测提供依据。     

储层油气产能的预测模型和方法

从达西渗流产量公式出发,通过以相对渗透率与含水饱和度的函数关系为纽带,导出油气储层产能与储层有效孔隙度、渗透率以及电阻率之间的理论模型.在此基础上,结合测井学的基本理论,探讨了利用测井资料进行储层产能预测的基本思想,采用人工神经网络技术建立了储层产能预测系统,该方法用于新疆克拉玛依油田八区克上组储层的油气产能预测,效果良好.     

基于小波分解和最小二乘支持向量机的大坝变形预测

文章针对大坝变形受多种不确定性因素的影响,提出一种基于小波分解和最小二乘支持向量机的大坝变形预测方法。利用小波将大坝位移序列分解成不同频率特征的子序列,根据分解得到的子序列特点,同时考虑水位和温度的影响,构造不同的最小二乘支持向量机模型对子序列进行预测,最后对各子序列预测值进行重构得到最终的预测值。实验对比分析表明,该方法对大坝变形的预测具有较高的精度。     

基于PSR-WSVM模型的边坡位移预测

为建立高精度的边坡位移预测模型，采用相空间重构（PSR）将边坡位移时间序列数据转换为多维数据，同时构造小波核函数改进的支持向量机模型，建立PSR-WSVM模型并应用于边坡位移预测。将PSR-WSVM模型预测结果与传统支持向量机（SVM）模型、小波支持向量机（WSVM）模型和基于相空间重构的支持向量机（PSR-SVM）模型预测结果进行对比，通过平均绝对误差（MAE）、平均绝对误差百分比（MAPE）和均方根误差（RMSE）3个精度评价指标验证PSR-WSVM模型的可行性。工程实例结果表明，PSR-WSVM模型预测结果的3个精度评价指标都优于另外3种模型，边坡位移预测的精度明显提升。     

基于粒子群优化支持向量机的延长县滑坡易发性评价

参数优化问题直接影响着支持向量机的预测精度和泛化能力,粒子群优化算法具有全局最优搜索能力,因此通过粒子群算法优化支持向量机参数可以有效提高预测精度.以延长县历史滑坡数据为基础,分析了岩性、地貌类型、土壤厚度、坡度、坡向、坡高与滑坡分布的关系,并利用滑坡密度值对各定性或定量因子进行了归一化处理;在此基础上,通过区域内所划分的１６３００个斜坡单元作为评价单元,采用粒子群优化支持向量机(PSOＧSVM)算法完成了延长县滑坡的易发性评价.从滑坡密度指标角度来看,评价结果中高易发区和极高易发区的历史滑坡数占比７２．１９％,通过滑坡面积百分比(LAR)等指标进行了有效的验证,均显示出对滑坡易发性评价效果良好.      

加权复合分位数自回归模型在隧道围岩变形预测中的应用

提出加权复合分位数自回归模型对隧道围岩变形进行预测的新方法,并给出其原理和实现算法。以昆明市阳宗隧道为例,对加权复合分位数自回归预测模型进行计算,并与其他模型进行对比分析。结果表明,新方法预测效果优于非加权复合分位数估值的AR(2)模型、基于最小二乘参数估计的自回归预测、经遗传算法优化的支持向量机等预测方法。     

用小波分析与灰色支持向量机预测高铁变形

针对高铁变形监测数据的非线性特征，构建一种基于小波与灰色支持向量机的高铁变形预测组合模型。利用小波分析获取不同时频尺度上的随机序列和近似序列，通过嵌入维数的确定和高低频数据的相关性分析，将重构后的随机序列作为遗传算法优化SVR模型的输入，对近似序列则采用灰色支持向量机来描述其演变特征，最后将二者预测结果进行耦合叠加，得到小波灰色支持向量机的组合模型预测结果。以贵广高铁实测数据为例，将均方差、平均绝对误差、平均绝对相对误差作为评判指标对预测效果进行评价，结果表明该模型较好地拟合了近似分量，同时避免了细节分量的过拟合，为高铁变形预测提供了新途径。     

SVM在文本自动分类中的应用

支持向量机(S、M)是基于统计学习理论的一种新的模式识别技术。介绍了文本自动分类技术的主要研究概况，并进一步从支持向量机的原理及其在文本分类中的优点等方面阐述了支持向量机在文本分类中的应用。     

压裂水平井产能预测方法研究综述

水平井压裂技术已经在薄层、低渗透油气藏以及页岩气的开发中得到了广泛的应用,其产能预测方法是进行油气层评价、合理高效开发的基础。在对产能影响因素分析的基础上,系统总结了致密砂岩油气藏和页岩气藏压裂水平井的产能评价方法;认为除了对储层基质以及裂缝内流动机理进行表征外,裂缝的分布规律以及储层应力敏感性对产能的影响不容忽视;同时应重视大量钻井资料与物理模拟和数值模拟的结合,以提高产能预测的精度。      

基于SBAS-InSAR和GM-SVR的居民区形变监测与预测

采用合成孔径雷达时序分析方法，利用2016-12～2017-05(12 d为一个周期)连续13景哨兵卫星雷达影像对淮南矿区内的居民区杨聚庄进行形变监测。根据矿区形变特征，提出一种基于灰色支持向量机（GM-SVR）的组合预测模型对矿区形变进行预测，并与传统的单一灰色模型和支持向量机预测模型进行对比。结果表明，时序InSAR技术和GM-SVR模型的结合，可以实现对矿区形变的快速监测和灾害预防，为矿区灾害监测与预警提供了一种可靠手段。