摘要
本文将支持向量运用到测井数据预测储层渗透率中,利用测井属性作为学习样本进行预测。并通过试验与常用的BP网络进行比较,实际运用表明该方法有效可靠,预测精度高。
引文
[1]陈遵到,郭爱.地震数据预测渗透率问题的探讨[J].石油地球物理勘探,1998,12,2(33)(增):86-90.
[2]M.M.Saggaf,NToksoz,and Husam M.Mustafa,Application of smooth networks for inter-well estimation of porosity from seismic data.http://www-eaps.Mit.edu/erl/research/reportl/report2000.html.
[3]M.M.Saggaf,NToksoz,and Husam M.Mustafa,Estimation of porosity from seismic data by smooth neural networks.http://www-eaps.Mit.edu/erl/research/reportl/report2000.html.
[4]V.Vapnik,“The Nature of Statistical Learning Theory”.New York:Spring-Verlag1995.
[5]V.Vapnik,“An Overview of Statistical LearningTheory”,IEEETrans.Neural Networks,1999,9,Vol.10,No.5,988-999.
[6]田盛丰,等.基于支持向量机的手写体相似字识别[N].中文信息学报,14(3):37-41.
[7]赵波.蛋白质结构预测问题的支撑向量机方法[D].西安交通大学硕士论文,2002.
[8]姚凯丰,李衍达,等.一种基于SVM特征选择的油气预测方法[J].地球物理勘探,2004,24(7):36-38.
[9]乐友喜,袁全社.支持向量机方法在储层预测中的应用[J].石油物探,2005,44(4):388-392.
[10]张彦周,刘叶玲.支持向量机在储层厚度预测中的应用[J].勘探地球物理进展,2005,28(6):422-424.
[11]张彦周.基于支持向量机的测井曲线预测储层参数方法[D].西安科技大学硕士论文,2006.