基于主成份分析和支持向量机的PCA-SVM储层识别模型研究

作者：王众; 张哨楠; 匡建超; 罗鑫

来源：物探化探计算技术, 2010, (06): 636-640+568.

• 主成份分析
• 支持向量机
• PCA-SVM模型
• 储层识别 principle component analysis
• support vector machine
• PCA-SVM model
• reservoir identification

储层识别是油气勘探开发中所面临的关键问题和难点之一。针对传统储层识别方法预测精度较低这一问题,提出了基于主成份分析和支持向量机的PCA-SVM储层识别模型,较好地解决了传统学习方法在非线性预测中的小样本、过学习、局部极小点等问题,同时消除了出入变量之间的多重相关性,减少了输入变量的个数,提高了预测精度和收敛速度。通过对长庆中部气田马五1段储层的实例应用,PCA-SVM模型的预测精度达到100%,优于SVM模型(93.6%)和Fisher判别模型(96.3%)。这表明PCA-SVM模型具有更高的预测精度,为致密储层的准确识别探索了又一新方法。

• 单位
  油气藏地质及开发工程国家重点实验室; 成都理工大学