一种基于SVM特征选择的油气预测方法

详细信息   

• 责任者：姚凯丰^c清华大学自动化系智能技术与系统国家重点实验室 ; 陆文凯 ; 丁文龙 ; 张善文^c中国石化胜利油田有限公司 ; 肖焕钦 ; 李衍达
• 刊名：天然气工业
• 出版年：2004
• 卷期：24^b7总129
• 关键词：油气资源 ; 资源评价20^a算法 ; 地震勘探 ; 数据处理 ; 油气藏30^a向量计算机
• 页码：36～38
• 索书号：P450.6/125
• 图表：^c表1参9插图
• 分类号：2000,0831
• 文摘期号：2004/12

摘要

支持向量机(SVM)是近年来发展起来的一种通用的机器学习方法，在许多分类问题和函数拟合问题上都已获得了很好的效果。文章提出了一种基于特征扩展和特征选择的改进SVM方法。该方法将原始特征通过非线性变换到高维空间，然后应用线性SVM进行特征选择，并同时计算降维过程中各个特征子集对应的留一法错误率，最后选择错误率较小的特征子集来设计线性SVM分类器。在通用数据的实验中，这种方法仅仅用较为简单的多项式核函数就大大提高了分类器的泛化能力。与传统的模糊数学方法、神经网络方法和SVM方法相比，这种方法在四川观音场构造的碳酸岩盐储层数据的预测误差降低了50%，是一种有效的油气预测方法。（晨光录）