支持向量机在裂缝预测及含气性评价应用中的优越性

摘要：

为了对比多元回归分析(MRA)、人工神经网络(ANN)和支持向量机(SVM)三种算法的应用效果,分别将其应用于两个实例:对南襄盆地泌阳凹陷安棚油田安1井和安2井7种测井资料的34个样本进行裂缝预测;对鄂尔多斯盆地塔巴庙地区致密砂岩储集层孔隙度、渗透率和含气饱和度的40个样本进行含气性评价.两个实例分析表明:①非线性算法(SVM和ANN)远比线性算法(MRA)优越;②SVM表现绝对的优越性(计算误差均为零、计算速度快),是迄今最佳的机器学习方法;③在实例1中ANN与SVM相比几乎是同等优越,但在实例2中ANN的精度比SVM低得多;④MRA计算速度快、具有ANN和SVM所不具备的能表达研究目标与相关地质因素之间亲疏关系的优点.因此,当描述一个研究目标与多个相关地质因素的复杂关系时,应提倡采用SVM,而MRA可作为辅助应用.图4表3参27

关键词：多元回归分析、人工神经网络、支持向量机、算法比较、裂缝预测、含气性评价

所属期刊栏目：35

分类号：TE19(石油、天然气地质与勘探)

在线出版日期：2008-11-25（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：588-594