摘要
测井解释过程中的油气水层识别实质是一个模式识别问题。基于统计学习理论发展起来的新一代小样本学习算法——支持向量机,是至今模式识别问题的强有力解决方法之一。本文针对现有方法在解决油气水层识别问题中的不足,提出了最小二乘支持向量机(LSSVM)的油气水层识别方法。该方法依据测井所得到的小样本、不适定性等数据信息建立并归一化数据样本集;通过网格搜索法选择LSSVM训练参数C和σ2,用交叉验证法对目标函数进行寻优找到最佳的参数;通过训练学习数据样本和测试数据样本,建立最小二乘支持向量机分类器识别模型。用本文提出的新方法研究了大庆油田某油藏的油气水层识别问题,结果表明最小二乘支持向量机的油气水层识别方法较人工神经网络和标准支持向量机的油气水层识别方法具有更快的运算速度和准确率,是一种值得进一步研究及推广使用的方法。
Oil and gas reservoir identification is virtually a problem of pattern recognition in well logging interpretation.The new generation small sample learning algorithm——support vector machine,developed on statistical learning theory,is one of the powerful methods for pattern recognition up to now.The paper presents the least square support vector machine(LSSVM)for oil and gas reservoir identification according to the shortcomings of current methods.It has been used in Daqing oilfield.The results show that this method is faster and more accurate than artificial neural network and standard support vector machine.It is worth generalizing and to be studied.
出处
《石油工业计算机应用》
2009年第1期24-27,共4页
Computer Applications Of Petroleum
基金
四川省教育厅重点项目:基于数据挖掘的支持向量机理论及应用研究(07ZA143)资助
关键词
油气水层识别
测井
最小二乘支持向量机
网格搜索
交叉验证
oil and gas reservoir identification
well logging
least square support vector machine
grid search
cross validation
