基于变异函数的径向基核函数参数估计

研究了支持向量机 (support vector machine,SVM)方法在一定假设条件下 ,核函数取为样本协方差函数时解的具体形式 ,得出了在该假设情况下 SVM方法等价于克立格方法的结论 ,提出了用协方差函数作为 SVM核函数的思想 .考虑到在某些情况下协方差函数可能不存在 ,因此考虑用变异函数来代替协方差函数估计径向基核函数的宽度参数 .这样不仅解决了SVM中径向基核函数宽度参数的确定问题 ,而且把这种情况下的 SVM拟合与概率统计学中的克立格方法联系了起来 ,赋予了

用地震资料提高储层参数插值精度的新方法——3-D协克里格与主成分下沉法

本文运用 3- D协克里格方法将地震资料和井孔数据结合 ,从而提高了油藏参数插值精度。 3- D协克里格技术适用于远离井区的油藏参数模拟 ,通过加入地震特征信息 ,使得油藏参数的插值精度比单纯使用从井孔获得的硬数据高 ,从而成功地实现了采样密度高、分布范围广的地震特征数据 (软数据 )和从井孔获得的硬数据的融合。在选取地震特征时通过主成分分析法降低地震特征数据的维数 ,并提出利用主成分下沉法获得采样点的协变量来避免采用平均井点参数值的方法 ,因此提高了参数模拟精度。同时也为地震数据 (软数据 )和井孔数据 (硬数据 )的结合提供了一条新途径。本文采用胜利油田埕岛南区的实际数据对该方法进行了验证 ,效果明显。

支持向量机函数拟合在分形插值中的应用

为消除分形插值曲线的断裂和周期现象 ,论文提出在分形插值的后期使用基于统计学习理论 ( SL T)的支持向量机 ( SVM)函数拟合方法。统计学习理论 ( SL T)着重研究在小样本情况下的统计规律及学习方法性质。支持向量机是建立在 SL T理论框架上新的通用学习算法。用该方法对随机生成的分形模型进行拟合实验 ,达到很好的效果。所以 ,在分形插值后期使用 SVM函数拟合 ,不但可以消除插值曲线的不确定性 ,还可以保留分形曲线显示细节变化的优点。