一种基于核学习的储集层渗透率预测新方法

• 作者: 匡立春 孙中春 施泽进 杨斌
• 来源期刊: 物探化探计算技术
• 学科: 工学
• 关键词: 核机器学习 支持向量机 回归 测井数据分析 渗透率预测
• 年，卷（期）: 2005,（2）
• 所属期刊栏目: 地球物理测井
• 页码范围: 119-123
• 页数: 5页
• 分类号: TE122.2+3
• 字数: 3513字
• 语种: 中文
• DOI: 10.3969/j.issn.1001-1749.2005.02.007

摘要

基于核学习的支持向量机,是一种采用结构风险最小化原则代替传统经验风险最小化原则的新型统计学习方法,具有完备的理论基础.这里提出了核学习技术在储集层非均质特性描述中渗透率参数预测的新用途.在复杂地层中,基于支持向量机的智能和自适应模式识别能力而建立了常规测井多参数信息输入的渗透率预测模型,然后对实际油田储集层渗透率进行了预测.与常规线性回归模型预测结果相对比,所提出的方法更易于使用,很少受不确定因素的影响,并具有较强的信息整合能力以及更高的预测准确性和可信度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	孙中春		18	290	9.0	16.0
2	匡立春		36	1242	19.0	35.0