核主成分分析与支持向量机模型在储层识别中的应用

• 作者: 刘海松 匡建超 庞河清 王众 蔡左花 黄耀综
• 来源期刊: 物探与化探
• 学科: 地球科学
• 关键词: 核主成分 支持向量机 KPCA-SVM模型 储层判别 新场须二气藏
• 年，卷（期）: 2012,（6）
• 所属期刊栏目: 方法技术研究
• 页码范围: 1001-1005,1013
• 分类号: P631.4
• 语种: 中文

摘要

针对低孔、低渗致密储层识别较常规储层难这一问题,首次应用核主成分分析与支持向量机(KPCA-SVM)模型进行储层识别.该模型先通过核主成分分析(KPCA)进行非线性特征参数提取,然后将提取的特征参数作为支持向量机(SVM)的输入变量,最终实现储层识别.由于KPCA-SVM模型集成了核函数、主成分和支持向量分类机的优点,较好地解决非线性小样本的问题,能消除数据之间的噪音,降低维数,而又不缺失有效信息,达到准确快速预测的功能.将该模型应用到新场须二气藏新856井区储层预测中,预测结果验证了本模型的优越性,可作为致密储层预测的可选方法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	匡建超	成都理工大学能源学院	94	581	13.0	18.0
5	刘海松	成都理工大学能源学院	3	7	2.0	2.0
6	王众	成都理工大学能源学院	36	200	9.0	12.0
7	庞河清	成都理工大学能源学院	10	46	4.0	6.0
8	蔡左花	中石化西南油气分公司勘探开发研究院贵阳所	1	3	1.0	1.0