-
题名核主成分分析与支持向量机模型在储层识别中的应用
被引量：4
- 1
-
-
作者
庞河清
匡建超
王众
刘海松
蔡左花
黄耀综
-
机构
成都理工大学能源学院
成都理工大学管理科学学院
中石化西南油气分公司勘探开发研究院贵阳所
中石化胜利油田孤东采油
-
出处
《物探与化探》
CAS
CSCD
2012年第6期1001-1005,1013,共6页
-
基金
教育部规划基金(11YJAZH043)
四川石油天然气研究中心(川油气科SKA09-01)项目联合资助
-
文摘
针对低孔、低渗致密储层识别较常规储层难这一问题,首次应用核主成分分析与支持向量机(KPCA-SVM)模型进行储层识别。该模型先通过核主成分分析(KPCA)进行非线性特征参数提取,然后将提取的特征参数作为支持向量机(SVM)的输入变量,最终实现储层识别。由于KPCA-SVM模型集成了核函数、主成分和支持向量分类机的优点,较好地解决非线性小样本的问题,能消除数据之间的噪音,降低维数,而又不缺失有效信息,达到准确快速预测的功能。将该模型应用到新场须二气藏新856井区储层预测中,预测结果验证了本模型的优越性,可作为致密储层预测的可选方法。
-
关键词
核主成分
支持向量机
KPCA-SVM模型
储层判别
新场须二气藏
-
Keywords
Kernel Principal Component Analysis
Support vector machine
KPCA-SVM model
reservoir identification
xu2 membergas reservoir of the xinchang gas field
-
分类号
P631.4
[天文地球—地质矿产勘探]
-
