| 基于主成份分析和支持向量机的PCA-SVM储层识别模型研究 |
| |
| 引用本文： | 王众,张哨楠,匡建超,罗鑫.基于主成份分析和支持向量机的PCA-SVM储层识别模型研究[J].物探化探计算技术,2010,32(6):636-640. |
| |
| 作者姓名： | 王众 张哨楠 匡建超 罗鑫 |
| |
| 作者单位： | [1]油气藏地质及开发工程国家重点实验室成都理工大学,四川成都610059 [2]成都理工大学能源学院,四川成都610059 |
| |
| 基金项目： | 四川石油天然气研究中心重点资助项目，四川省教育厅重点资助项目 |
| |
| 摘 要： | 储层识别是油气勘探开发中所面临的关键问题和难点之一。针对传统储层识别方法预测精度较低这一问题,提出了基于主成份分析和支持向量机的PCA-SVM储层识别模型,较好地解决了传统学习方法在非线性预测中的小样本、过学习、局部极小点等问题,同时消除了出入变量之间的多重相关性,减少了输入变量的个数,提高了预测精度和收敛速度。通过对长庆中部气田马五1段储层的实例应用,PCA-SVM模型的预测精度达到100%,优于SVM模型(93.6%)和Fisher判别模型(96.3%)。这表明PCA-SVM模型具有更高的预测精度,为致密储层的准确识别探索了又一新方法。
|
| 关 键 词： | 主成份分析 支持向量机 PCA-SVM模型 储层识别 |
A PCA-SVM model for reservoir identification |
| |
| Abstract: | |
| |
| Keywords: | |
| 本文献已被 CNKI 维普 万方数据 等数据库收录！ |
|
