基于贝叶斯证据框架下SVM的油层识别模型研究

• 作者: 夏莘媛 戴静 潘用科 韩扬
• 来源期刊: 重庆邮电大学学报（自然科学版）
• 学科: 工学
• 关键词: 支持向量机 油层识别 贝叶斯证据框架
• 年，卷（期）: 2016,（2）
• 所属期刊栏目: 计算机与自动化
• 页码范围: 260-264,272
• 页数: 6页
• 分类号: TP277
• 字数: 3482字
• 语种: 中文
• DOI: 10.3979/j.issn.1673-825X.2016.02.019

摘要

支持向量机(support vector machine,SVM)方法在石油测井领域的油层识别中取得了很好的应用效果,但SVM方法的识别效果受到惩罚参数和核参数的影响,不同的参数组合直接影响识别精度的优劣.为了在油层识别中获得更好的识别效果,提出一种基于贝叶斯证据框架下SVM的油层识别模型,即根据测井数据的训练样本信息,采用贝叶斯证据框架的理论求解惩罚参数以及核参数,再通过所求得的决策函数对测井数据的测试样本进行识别.实际测井数据实验表明,基于贝叶斯证据框架下SVM的油层识别模型的油层识别效果得到提高,优于传统SVM方法和基于粒子群优化算法(particle swarm optimization,PSO)的SVM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	戴静	华北理工大学迁安学院	26	29	3.0	4.0
2	夏莘媛	河北工业大学电子信息工程学院	5	29	3.0	5.0
3	潘用科	河北工业大学电子信息工程学院	2	9	1.0	2.0
4	韩扬	河北工业大学电子信息工程学院	1	8	1.0	1.0