基于主成份分析和支持向量机的PCA-SVM储层识别模型研究

• 作者: 匡建超 张哨楠 王众 罗鑫
• 来源期刊: 物探化探计算技术
• 学科: 工学
• 关键词: 主成份分析 支持向量机 PCA-SVM模型 储层识别
• 年，卷（期）: 2010,（6）
• 页码范围: 636-640
• 分类号: TE122.2
• 字数: 3748字
• 语种: 中文
• DOI: 10.3969/j.issn.1001-1749.2010.06.012

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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张哨楠		57	1129	20.0	31.0
5	匡建超	成都理工大学能源学院	94	581	13.0	18.0
6	王众		36	200	9.0	12.0
10	罗鑫	成都理工大学能源学院	11	59	5.0	7.0