期刊文献+

最小二乘支持向量机在低孔低渗油藏油水识别中的应用 被引量:1

下载PDF
导出
摘要 低孔低渗油藏油水关系复杂,测井响应特征不明显,常规的人工经验性油水解释已不能满足实际开发需要。研究采用最小二乘支持向量机分类理论,选取多种相对独立的测井参数对低孔低渗储层流体性质识别分析,以工区试油已证实含油水类型的层位作为训练样本进行训练,建立不同流体性质储层的分类器相应支持向量机和分类面,通过已建立分类器的分类函数,可对待识别的层位进行识别分析。通过对工区的样本学习和预测.并与实际试油资料进行对比,符合率达到917‰,从而表明,最小二乘支持向量机在油水识别中可获得良好的应用。
作者 张剑风
出处 《国外测井技术》 2010年第3期19-21,共3页 World Well Logging Technology
  • 相关文献

参考文献9

二级参考文献18

  • 1李盼池,许少华.支持向量机及其在复杂水淹层识别中的应用[J].计算机应用,2004,24(9):147-149. 被引量:18
  • 2赵宇,王志良,刘冀伟.一种基于支持向量机的测井岩性预测新方法[J].微计算机信息,2004,20(6):50-51. 被引量:16
  • 3王正付,王静,姚志云.用电阻率测井资料确定地层渗透率[J].江汉石油学院学报,1993,15(4):45-48. 被引量:3
  • 4张学工译.统计学习理论的本质[M].北京:清华大学出版社,1999..
  • 5NelloCristianini JohnShawe-Taylor 李国正 王猛 曾华军译.支持向量机导论[M].北京:电子工业出版社,2004..
  • 6Vladimir N Vapnik著 张学工译.统计学习理论的本质[M].北京:清华大学出版社,2000..
  • 7Vapnik V N. Statistical Learning Theory[M]. New York: Wiley, 1998.
  • 8R. Rifkin, M.Pontil, and A.Verr, "A note on support vector machine degeneracy" Proceedings of 10th International Conference on Algorithmic Learning Theory, (ALT 99). (Lecture Notes in Artificial Intelligence Vo 1.1720),pp.252-263,1999
  • 9Chag,C.-C. and C.-J. Lin(2001).LIBSVM: a library for support vector machines. Software available at http:∥www.csie.ntu.edu.tw/~cjlin/libsvm.
  • 10BURGES C J C. A tutorial on support vector machines for pattern reconnition[J]. Data Mining and Knowledge Discovering, 1998,2 (2):42-47.

共引文献2401

同被引文献15

引证文献1

相关作者

内容加载中请稍等...

相关机构

内容加载中请稍等...

相关主题

内容加载中请稍等...

浏览历史

内容加载中请稍等...
;
使用帮助 返回顶部