支持向量机在小样本预测中的应用

支持向量机方法是一种有坚实理论基础的、新颖的小样本学习方法,可以用于处理高度非线性回归和分类问题。与现有的统计方法不同,它采用了结构风险最小化原理,因而预测精度较高;而且基本上不涉及概率测度及大数定律,最终的决策函数只由少数的支持向量所确定,因而其计算的复杂性仅仅取决于支持向量的数目,而非样本空间的维数。油气田开发工程中,往往需要根据小样本来预测某种方法或措施的效果,通过引入支持向量机方法,措施效果预测的精度有了明显的提高。