基于KICA属性优化的支持向量机储层参数预测

为提高储层参数预测的精度,提出一种基于核独立分量分析(KICA)属性优化的支持向量机储层参数预测技术,KICA属性优化技术充分体现属性信息的非线性关系与高阶统计特性,提取出相互统计独立的反映地下储层参数的储层信息。支持向量机技术基于结构风险最小化原理,可解决小样本、高维与局部最小的非线性系统问题,二者有效的结合,能够将繁冗的地震属性空间,结合较少的井数据精确预测出储层的参数分布。通过模型及实际资料研究表明,本文储层参数预测方法的应用效果好,预测精度高。     

地震多属性综合解释的支持向量机方法研究

能够同时对多种属性进行训练,具有优秀推广能力的支持向量机(Support Vector Machine,简称SVM)方法是进行高精度地震参数预测的有力保障。然而,支持向量机中用于构建回归估计函数的参数最优解很难确定。针对该问题,通过建立数学模型进行参数选择研究,总结出了参数ε、C、σ2对样本预测的影响规律。在此基础上提出了求取惩罚因子C和核参数σ2的权系数公式。结合提出的参数求取公式,利用支持向量机方法,以地震属性为输入向量对渤海SZ36-1油田的砂泥岩百分比和孔隙度进行了预测。结果表明,利用该方法对储层参数进行预测具有较高的预测精度;权系数公式的提出极大地缩短了构建回归估计函数所耗用的时间,简化了参数选取的难度。     

基于支持向量机的赵官矿小断层预测

针对支持向量机(SVM)适合小样本数据建模这一特点,提出利用SVM进行煤矿小断层预测。以小断层广泛发育的赵官矿实测数据为基础,选取断层倾向、落差、倾角以及断层性质作为特征影响因子,以Matlab中的libsvm工具箱为平台,总结了SVM建模过程,并建立了赵官矿井小断层水平延展长度的SVM预测模型,验证了该模型在该井田内具有一定泛化性。为验证SVM小样本建模的优越性及该模型在相似地质条件下工程实例的应用,利用该模型及传统的多元回归模型对赵官矿以及邻矿——邱集矿采掘工程中新揭露的小断层进行预测,并将两种方法计算结果与实际结果进行对比,发现SVM预测结果更精确。     

基于模糊模式识别的支持向量机的回归预测方法

尝试把最近发展起来的支持向量机引入水文预测中,建立了支持向量机水文回归预测模型,为小样本情况下水文预测提供一种行之有效的可选择的方法。在此基础上,为了更好地处理水文系统中广泛存在的不确定、模糊信息,进一步把模糊模式识别理论引入支持向量机,提出一种模糊模式识别核函数。该核函数具有更明确合理的物理意义。冰凌预测实例表明了SVM水文回归预测方法及模糊模式识别核函数的有效性和可行性。     

基于支持向量机的水库诱发地震分析

将诱发水库地震的主要因素（岩性、岩体完整性、断层性质、库区区域应力状态、库区地震活动背景）划分为11个因子,并进行定量化;再根据每个样本到所属类内超平面的距离计算每个样本点的模糊因子,确定其对分类超平面影响大小;然后建立水库地震的支持向量机（SVM）和模糊支持向量机（FSVM）模型,并应用于水库诱发地震等级预测。实例分析表明,两种模型均可用于水库诱发地震等级预测,具有预测精度较高、考虑因素全面的特点,相比之下SVM模型预测结果略优于FSVM模型。另外,在应用SVM和FSVM进行分类时,如果样本离散性较高,则SVM模型优于FSVM模型;相反,如果样本离散性较低,则FSVM模型优于SVM模型。     

基于支持向量机的降雨-径流预测研究

本文探讨了支持向量机方法在降雨-径流预测中的应用.该方法采用结构风险最小化准则,弥补了人工神经网络在预测应用中的不足,较好地解决了小样本,非线性、高维数和局部最小点等实际问题.并且本研究通过与人工神经网络预测方法、传统的回归分析预测方法比较研究,得出支持向量机能取得更高精度的降雨-径流预测值.     

基于对应分析的支持向量机回归在地震储层厚度预测中的应用

储层厚度的预测是油气藏描述的一项关键技术,然储层厚度和地震信息之间的关系是非线性的,其他的数学方法很难拟合.解决这一难点用到了一种新的数学统计方法--支持向量机.笔者介绍了对应分析和支持向量回归机算法原理,在此基础上以实际的数据为例子成功地对储层参数-厚度进行了预测,取得了实际的应用效果,得出了该方法切实可行的结论.     

基于最小二乘支持向量机的开都河径流预测

简述支持向量的回归分析,支持向量机自回归预测模型结构及预测方法,利用开都河大山口水文站52 a的径流资料,采用最小二乘支持向量机方法对径流进行模拟预测,并与BP神经网络方法进行对比分析,其计算结果相对略好。     

基于最小二乘支持向量机的龙羊峡径流预测

本文简述了支持向量的回归分析、支持向量机自回归预测模型结构及预测方法,利用黄河唐乃亥站47年的径流资料,采用最小二乘支持向量机方法对径流进行了模拟预测,并与B-P神经网络方法进行了对比分析,其计算结果相对略好。     

加权支持向量回归机及其在水质预测中的应用

支持向量机是一种基于结构风险最小化原理的学习技术，也是一种新的具有很好泛化性能的回归方法。本文对用于回归估计的标准支持向量机加以改进，提出了一种新的用于回归估计的支持向量机学习算法，针对各样本重要性的差异，给各个样本的惩罚系数和误差要求赋予不同权重，并利用加权支持向量回归机的理论及其算法构建水质预测模型。实验结果表明，该方法对水质具有较好的预测效果。     

基于粒子群算法优化小波支持向量机的岩土力学参数反演

常用的确定岩土力学参数的方法有原位测试和室内试验两种,但都存在一定的局限性,参数选择的合理与否,对设计计算及数值模拟分析结果的有效性影响很大。支持向量机法在理论基础和求解算法方面都具有明显优势,为确保岩土力学参数取值的合理性,采用支持向量机法对岩土力学参数进行反演。先通过小波分析理论构造出支持向量机的核函数,再用粒子群算法(PSO)分别优化Morlet小波、Mexico小波和RBF函数的支持向量机模型参数,通过小波支持向量机模型建立反演参数与沉降值间的非线性映射关系。根据正交试验和均匀试验对需反演的岩土力学参数进行设计,结合有限元软件进行计算分析,得到学习样本和测试样本。分别采用Morlet小波、Mexico小波和RBF函数得出的预测结果和原始数据进行对比分析,发现采用Morlet小波核函数预测效果更佳。使用Morlet小波核函数预测的参数输入到Midas模型中计算建筑物最终沉降量,比较计算值与实际监测值,其相对误差不超过8.1%。研究结果表明,该方法在岩土工程参数的反演中具有良好的应用价值,对今后岩土力学参数的确定及校核提供了一种新方法。     

支持向量机在砂土液化预测中的应用研究

介绍了人工智能领域最新的基于结构风险最小化原理的数据挖掘算法——支持向量机算法。根据支持向量机线性分类和可以具有不同核函数的非线性分类两种算法，建立了砂土液化预测模型，并且运用Matlab语言编写了程序。通过试算和分析比较得到了最佳模型，最佳模型的预测结果与实际液化情况基本上一致。认为支持向量机算法无论在学习或者预测精度方面都有很大的优越性，而基于支持向量机理论建立的砂土液化预测模型是可行的，且可以较为准确地实现砂土液化的预测。     

基于支持向量机的岩体工程分级

提出了岩体工程分级的一种新方法,即支持向量机方法。该方法可以根据有限的学习样本,建立影响岩体级别的条件的因素和级别之间的一种非线性映射,可以对未知的岩体进行工程分级。结果表明,这种方法具有较高的准确率。     

基于粒子群优化支持向量机的煤层底板突水量等级预测

为更好地解决支持向量机(SVM)核参数和惩罚因子的取值对煤层底板突水量等级预测精度的影响问题,提出利用全局搜索能力较强的粒子群优化(PSO)算法优化支持向量机参数。选取含水层水压、隔水层厚度、岩溶发育程度、断层规模等作为影响煤层底板突水量等级的因素,利用华北聚煤区煤层底板突水的实测数据进行训练,建立了煤层底板突水量等级预测的粒子群-支持向量机(PSO-SVM)模型,并将其应用于其他样本的预测。应用表明:模型能够较好地解决煤层底板突水量等级预测中存在的小样本、非线性等问题,预测结果与实际情况吻合程度高,具有较强的实用性和有效性。     

基于微地震向量扫描的煤层气井天然裂缝监测

天然裂缝发育程度是影响煤层气产能的主要因素,为了准确获取沁水盆地南部A煤层气田井组的天然裂缝发育程度和分布位置,采用地面微地震向量扫描技术对区域内7口二次压裂井进行天然裂缝发育情况监测。在压裂井周围部署一定量的三分量检波器,采集压裂过程中周边储层的微地震事件,进行Semblance叠加后得到监测区内不同时刻的破裂能量切片,解释出监测区内天然裂缝发育情况。对比井组单井产能,与监测到的天然裂缝表现出良好的相关性,揭示了天然裂缝是影响煤层气单井产能的主控因素,同时表明煤层气储层非均质性强,天然裂缝呈现局部发育特征,且比较分散、面积小,常规的三维地震预测方法难以有效的识别。应用该技术能够准确地识别出煤层气储层的天然裂缝发育情况,为调整井位的部署及优选层位提供可靠的指导。     

岩爆分类的支持向量机方法

针对岩爆分类问题,提出了基于支持向量机的分类方法。通过对影响岩爆因素的分析,运用支持向量机理论建立岩爆类别的支持向量机模型。结果表明,基于支持向量机的岩爆分类方法具有较高的准确率,该方法是科学可行的,具有广泛的应用前景。     

观音山勘探区煤层含气量灰色关联预测

煤层含气量受多种地质因素影响,往往难以准确预测。以云南观音山勘探区为例,利用灰色关联度法识别出影响煤层含气量的主要因素,先后建立了煤层含气量预测的GM (1,N)模型和GM (1,1)模型。进一步分析揭示,煤层埋藏深度、煤层顶板5 m内砂岩厚度和顶板岩性是影响观音山勘探区煤层含气量的3个关键因素,利用残差尾段序列建立的GM (1,1)模型具有较高的预测精度。     

煤层气藏数值模拟垂向网格优化

数值模拟是研究煤层气藏工程的一种常规方法,建立模型时人们常忽略垂向网格精细程度对模拟的影响,无法准确反映出垂向上流体流动规律、气水分异现象以及压降漏斗展布等,对模拟结果有很大影响。为了研究垂向网格划分精度对煤层气藏数值模拟过程的影响,采用不同模拟器对垂向网格的精细程度进行模拟计算,运用渗透率等效方法、局部网格加密方法和模拟器自带压裂方法模拟煤层压裂缝,总共模拟了3种方法15套方案。结果表明,垂向网格划分精度对煤层气生产影响较大,当网格步长达到1.5m时计算结果较为精确,可以满足模拟需求。网格数量及网格步长的合理划分,能够更好地呈现煤层中气水分异现象,有助于分析气水流动状态,便于历史拟合和产量预测。     

微生物提高煤层气产量模拟实验研究

为解决微生物对煤层产气量的影响,通过对不同煤阶煤岩进行生物气模拟实验发现,在实验室条件下煤中微生物能利用自身物质进行生物产气。通过设置不同温度实验发现,在35℃条件下产气量要大于15℃时的产气量,说明35℃的温度更适合微生物利用煤样产气。在进行定量实验后发现,在添加外源营养物质或外源菌类的条件下能提高煤的产气量。在添加外源菌种的条件下,增产比例可达115%,而通过添加营养物质增产比例可达144%。