基于PSO优化SVR参数的油藏产能预测

• 作者: 周睿 杜奕智 殷荣网
• 来源期刊: 合肥学院学报（综合版）
• 学科: 工学
• 关键词: SVM PSO 油藏 产能预测
• 年，卷（期）: 2018,（2）
• 所属期刊栏目: 数学及应用
• 页码范围: 11-15
• 页数: 5页
• 分类号: TE328
• 字数: 2180字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-162X.2018.02.003

摘要

油藏产能是衡量油藏潜在产油能力的综合指标,产能的高低直接影响油藏项目的经济效益.因此,建立有效的油藏产能预测模型,对油藏的勘探开发有重要的指导意义.油藏受到渗透率、孔隙度等若干地质因素的影响,且各个因素之间关系复杂,难以建立精确的数学表达式来描述其动态的生成过程.通过使用混合粒子群优化算法(Particle Swarm Optimization,PSO)和支持向量回归机(Support Vector Regression,SVR)的模型(PSO-SVR模型),建立地质因素与产能之间的非线性函数映射关系,以实现对油藏产能预测.通过对比实验,基于PSO-SVM的模型与实验数据的一致性,证实了其良好的性能.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	周睿	合肥学院基础教学与实验中心	14	67	4.0	8.0
2	杜奕智	合肥学院基础教学与实验中心	16	20	2.0	4.0
3	殷荣网	合肥学院基础教学与实验中心	14	29	3.0	5.0