利用支持向量机方法预测储层产能

• 作者: 单蔚 张乐 张星 张锋 郝永卯
• 来源期刊: 西南石油大学学报
• 学科: 工学
• 关键词: 支持向量机 结构风险最小化 学习性 推广性 产能预测
• 年，卷（期）: 2007,（3）
• 所属期刊栏目: 地质勘探
• 页码范围: 24-27
• 页数: 4页
• 分类号: TE319
• 字数: 2892字
• 语种: 中文
• DOI: 10.3863/j.issn.1674-5086.2007.03.007

摘要

支持向量机方法(SVM)是基于结构风险最小化原理,采用核函数处理技术,较好的适应小样本、非线性和局部极小点等实际问题,克服了常规统计方法的局限性,避免了维数灾难.能够在有限的样本集基础上,兼顾模型的通用性和推广性,有效解决了学习性和延拓性的问题,预测精度更高.实际生产中影响储层产能因素众多,各因素间相互影响,在综合考虑地层因素的基础上,提取了测井产能预测参数,利用支持向量机方法对产能进行了预测,预测结果与实际一致,并将处理结果与多元回归及BP神经网络处理结果进行了对比分析.实践表明支持向量机方法优于后两种方法,是一种值得推广使用的方法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张星		3	29	2.0	3.0
2	张乐		3	23	2.0	3.0
3	单蔚		1	20	1.0	1.0