收藏本站
《吉林大学》 2011年
收藏 | 手机打开
二维码
手机客户端打开本文

基于偏最小二乘及最小二乘支持向量机算法在储层参数预测上的应用

于文彬  
【摘要】:对于传统的储层参数预测模型,大部分是利用经验公式,或者是普通的回归公式进行预测。由于地层内部结构复杂,各地质条件互相影响、交叉,导致地层参数多维数、非线性、相关性大。而油田开发非常耗费人力、财力,因此我们有必要建立一套更加准确精细的储层参数预测方法,以满足实际油田生产的需要。 本文研究了支持向量机技术的基本模型,并做了相应改进,即基于偏最小二乘法及最小二乘支持向量机算法,并在储层参数预测上进行应用。支持向量机于20世纪90年代中期由vapnik等人提出,它是基于统计学习理论的机器学习模型。同神经网络算法不同,支持向量机是以严格的数学推论作为基础,最终收敛于全局最优点,避免了神经网络算法中的局部最优解的缺点。并且在解决高维非线性问题中,支持向量机有着传统回归方法无法比拟的优势。 在以往的数据分析中,我们一般采用统计学里的回归分析进行预测解释。这些回归分析都是基于经验风险最小化原则,如多元线性回归、最小二乘回归、逐步线性回归等。在多维变量的情况下,自变量间的多重相关性会严重干扰预测公式。通过将最小二乘多元回归、主成分分析以及典型相关分析相结合,我们得到了偏最小二乘法,并引入相关系数、t检验和F检验来进行模型的显著性分析。 我们将偏最小二乘法和最小二乘支持向量机相结合,通过偏最小二乘法消除数据的相关性,再由最小二乘支持向量机将多维、非线性数据映射到高维空间,得到相应的拟合公式。这样得到的公式不但要好于单独使用其中任何一者的结果,还能避免使用神经网络算法带来的局部最优解的问题,具有很强的适应能力。 孔隙度、饱和度和渗透率是油田测井中非常至关重要重要的三个参数,他们由测井曲线如中子、密度、声波时差等来反映。当使用经验公式甚至是普通的回归分析进行预测时,由于储层参数同测井曲线参数关系非常复杂,并且测井曲线间含有多重相关性以及高维数,使得预测结果具有较差的精度和泛化性。本文将偏最小二乘法与最小二乘支持向量机相结合,并成功应用于储层参数预测中。经过实验论证,我们拟合出来的公式具有很高的精度和泛化性,达到了理想的目的。
【学位授予单位】:吉林大学
【学位级别】:硕士
【学位授予年份】:2011
【分类号】:TP18;P618.13

【参考文献】
中国期刊全文数据库 前7条
1 刘国旗;多重共线性的产生原因及其诊断处理[J];合肥工业大学学报(自然科学版);2001年04期
2 惠康华,李春利;基于W_2~1再生核支持向量机的模式分类研究[J];计算机工程;2005年S1期
3 武方方;赵银亮;;一种基于Morlet小波核的约简支持向量机[J];控制与决策;2006年08期
4 张学工;关于统计学习理论与支持向量机[J];自动化学报;2000年01期
5 高惠璇;两个多重相关变量组的统计分析(2)[J];数理统计与管理;2002年02期
6 胡丹;肖建;车畅;;尺度核支持向量机及在动态系统辨识中的应用[J];西南交通大学学报;2006年04期
7 王军;彭宏;肖建;;尺度核支持向量回归的非线性系统辨识[J];系统仿真学报;2006年09期
【共引文献】
中国期刊全文数据库 前10条
1 汤磊,陈正汉;用BP网络预估强夯有效加固深度[J];四川建筑科学研究;1998年04期
2 巩玉志;王士杰;武换娥;;支持向量机在深层搅拌桩复合地基承载力预测中的应用研究[J];四川建筑科学研究;2008年02期
3 郭天永;车玉满;孙鹏;李连成;孙波;;基于偏最小二乘回归的高炉焦比影响因素分析[J];鞍钢技术;2009年05期
4 王东霞;张楠;路晓丽;;基于育种算法的SVM参数优化[J];安徽大学学报(自然科学版);2009年04期
5 汪东军,汪夏燕;神经元网络在精馏塔控制中的应用[J];安徽化工;2000年04期
6 何朝林,王旭;证券组合模型系数的二次规划求解[J];安徽机电学院学报;2001年02期
7 陶秀凤,唐诗忠,周鸣争;基于支持向量机的软测量模型及应用[J];安徽工程科技学院学报(自然科学版);2004年02期
8 禹茜;王建湘;周杰良;张雄;;泡桐生长与土壤因子偏最小二乘回归分析[J];安徽农业科学;2008年07期
9 李淑华;徐良培;陶建平;;基于支持向量机的我国水产品出口贸易风险预警研究[J];安徽农业科学;2008年30期
10 区卫民;谭泗桥;袁哲明;柏连阳;熊洁仪;;SVR-KNN法用于除草剂QSAR研究[J];安徽农业科学;2008年35期
中国重要会议论文全文数据库 前10条
1 ;An effective procedure exploiting unlabeled data to build monitoring system[A];中国科学院地质与地球物理研究所第11届(2011年度)学术年会论文集(下)[C];2012年
2 宋海鹰;桂卫华;阳春华;;基于核偏最小二乘的简约最小二乘支持向量机及其应用研究[A];第二十六届中国控制会议论文集[C];2007年
3 宋海鹰;桂卫华;阳春华;;基于最小二乘支持向量机的Hammerstein-Wiener模型辨识[A];第二十六届中国控制会议论文集[C];2007年
4 ;Inverse System Control of Nonlinear Systems Using LS-SVM[A];第二十六届中国控制会议论文集[C];2007年
5 ;A Novel Kernel PCA Support Vector Machine Algorithm with Feature Transition Function[A];第二十六届中国控制会议论文集[C];2007年
6 ;A Novel Proximal Support Vector Machine and Its Application in Radar Target Recognition[A];第二十六届中国控制会议论文集[C];2007年
7 ;A CDMA Signal Receiver Based on LS-SVM[A];第二十六届中国控制会议论文集[C];2007年
8 周绮凤;林成德;罗林开;彭洪;;一种基于黎曼度量的训练样本类不平衡SVM分类方法研究[A];第二十六届中国控制会议论文集[C];2007年
9 顾小军;杨世锡;钱苏翔;;基于支持向量机的旋转机械多类故障识别研究[A];第二十六届中国控制会议论文集[C];2007年
10 吕蓬;柳亦兵;马强;魏于凡;;支持向量机在齿轮智能故障诊断中的应用研究[A];第二十六届中国控制会议论文集[C];2007年
中国博士学位论文全文数据库 前10条
1 赵莹;半监督支持向量机学习算法研究[D];哈尔滨工程大学;2010年
2 母丽华;煤矿安全预警系统的方法研究[D];哈尔滨工程大学;2010年
3 梁洪;基于内容的医学图像检索及语义建模关键技术研究[D];哈尔滨工程大学;2010年
4 殷志伟;基于统计学习理论的分类方法研究[D];哈尔滨工程大学;2009年
5 朱广平;混响干扰中的信号检测技术研究[D];哈尔滨工程大学;2009年
6 孔凡芝;引线键合视觉检测关键技术研究[D];哈尔滨工程大学;2009年
7 李晚龙;六自由度Stewart平台分散智能控制研究[D];哈尔滨工程大学;2010年
8 杨宁;计算机辅助卷烟配方设计关键技术研究[D];中国海洋大学;2010年
9 郑大腾;柔性坐标测量机空间误差模型及最佳测量区研究[D];合肥工业大学;2010年
10 李书艳;单点氨基酸多态性与疾病相关关系的预测及其机制研究[D];兰州大学;2010年
中国硕士学位论文全文数据库 前10条
1 李硕;基于Vis/NIR光谱不同粒径下土壤碳氮的预测研究[D];华中农业大学;2010年
2 曾传华;基于颜色和纹理特征的竹条分级方法研究[D];华中农业大学;2010年
3 展慧;基于多源信息融合技术的板栗分级检测方法研究[D];华中农业大学;2010年
4 杜二玲;拟概率空间上等均值噪声下统计学习理论的理论基础[D];河北大学;2007年
5 朱杰;一种基于聚类的支持向量机反问题求解算法[D];河北大学;2007年
6 赫英毅;毫米波段基于TE_(21)模差网络设计[D];中国工程物理研究院;2009年
7 李金华;基于SVM的多类文本分类研究[D];山东科技大学;2010年
8 田文娟;基于支持向量机的人民币序列号识别方法的研究[D];山东科技大学;2010年
9 徐芳芳;优化问题的PVD算法研究[D];山东科技大学;2010年
10 孟培培;基于3S的土地督察信息系统研究[D];山东科技大学;2010年
【二级参考文献】
中国期刊全文数据库 前9条
1 张莉,周伟达,焦李成;尺度核函数支撑矢量机[J];电子学报;2002年04期
2 李晓黎,刘继敏,史忠植;基于支持向量机与无监督聚类相结合的中文网页分类器[J];计算机学报;2001年01期
3 许劲松,覃俊;一种基于支持向量机的入侵检测模型[J];计算机仿真;2005年05期
4 卢增祥,李衍达;交互支持向量机学习算法及其应用[J];清华大学学报(自然科学版);1999年07期
5 崔万照,朱长纯,保文星,刘君华;最小二乘小波支持向量机在非线性系统辨识中的应用[J];西安交通大学学报;2004年06期
6 张葛祥;荣海娜;金炜东;;支持向量机在雷达辐射源信号识别中的应用[J];西南交通大学学报;2006年01期
7 郑宇杰,杨静宇,吴小俊,於东军;基于独立成分分析和模糊支持向量机的人脸识别方法[J];系统仿真学报;2005年07期
8 孙剑川,肖国耀,薛祖荣,刘锐光;福安市医疗卫生人力需要量预测[J];中国农村卫生事业管理;1995年06期
9 罗要武,许璇,王亚东,沈敏祥;1995─2000年安徽省项目地区乡村两级卫生人力规划报告[J];中国农村卫生事业管理;1996年S1期
【相似文献】
中国期刊全文数据库 前10条
1 张铃;支持向量机理论与基于规划的神经网络学习算法[J];计算机学报;2001年02期
2 阎辉,张学工,李衍达;支持向量机与最小二乘法的关系研究[J];清华大学学报(自然科学版);2001年09期
3 朱国强,刘士荣,俞金寿;支持向量机及其在函数逼近中的应用[J];华东理工大学学报;2002年05期
4 侯风雷,王炳锡;基于支持向量机的说话人辨认研究[J];通信学报;2002年06期
5 马永军,方凯,刘暾东,方廷健;基于支持向量机和方差的管道内表面粗糙度等级识别[J];信息与控制;2002年05期
6 吴飞,庄越挺,潘云鹤;基于增量学习支持向量机的音频例子识别与检索[J];计算机研究与发展;2003年07期
7 孙延风,梁艳春;支持向量机的数据依赖型核函数改进算法[J];吉林大学学报(理学版);2003年03期
8 朱永生,张优云;支持向量机分类器中几个问题的研究[J];计算机工程与应用;2003年13期
9 朱家元,吴伟,张恒喜,董彦非;一种新型的多元分类支持向量机[J];计算机工程;2003年17期
10 饶鲜,董春曦,杨绍全;应用支持向量机实现计算机入侵检测[J];西安电子科技大学学报;2003年03期
中国重要会议论文全文数据库 前10条
1 林杰华;张斌;李冬森;宋华茂;余志强;王浩;;支持向量机在电力客户信用评级中的应用[A];全国第21届计算机技术与应用学术会议(CACIS·2010)暨全国第2届安全关键技术与应用学术会议论文集[C];2010年
2 蒋铁军;张怀强;李积源;;多变量系统预测的支持向量机方法研究[A];管理科学与系统科学研究新进展——第7届全国青年管理科学与系统科学学术会议论文集[C];2003年
3 黄淑云;孙兴玉;梁汝萍;邱建丁;;基于小波支持向量机预测蛋白质亚细胞定位研究[A];第十一届全国计算(机)化学学术会议论文摘要集[C];2011年
4 谢湘;匡镜明;;支持向量机在语音识别中的应用研究[A];现代通信理论与信号处理进展——2003年通信理论与信号处理年会论文集[C];2003年
5 涂冬成;薛龙;刘木华;赵进辉;沈杰;吁芳;;基于支持向量机的鹅肉肉色客观评定研究[A];中国农业工程学会电气信息与自动化专业委员会、中国电机工程学会农村电气化分会科技与教育专委会2010年学术年会论文摘要[C];2010年
6 杨凌;刘玉树;;基于支持向量机的坦克识别算法[A];第三届全国数字成像技术及相关材料发展与应用学术研讨会论文摘要集[C];2004年
7 师旭超;巴松涛;;基于支持向量机方法的深基坑变形预测[A];科技、工程与经济社会协调发展——河南省第四届青年学术年会论文集(上册)[C];2004年
8 张军;;支持向量机方法在地下水位干扰排除中的初步应用[A];2007年地震流体学术研讨会论文摘要集[C];2007年
9 许建生;盛立东;;基于改进的支持向量机和BP神经网络的识别算法[A];第八届全国汉字识别学术会议论文集[C];2002年
10 荣海娜;张葛祥;张翠芳;;基于支持向量机的非线性系统辨识方法[A];中国自动化学会、中国仪器仪表学会2004年西南三省一市自动化与仪器仪表学术年会论文集[C];2004年
中国重要报纸全文数据库 前10条
1 课题主持人 李心丹 课题协调人 上海证券交易所 施东晖 傅浩 课题研究员 宋素荣 查晓磊 宾红辉 张许宏 郭静静 黄隽 南京大学工程管理学院;内幕交易与市场操纵的行为动机与判别监管研究[N];中国证券报;2007年
2 李水根;计算机详解配伍与药效关系[N];健康报;2005年
3 清华大学 苏光大;非接触式人脸识别技术[N];计算机世界;2006年
4 YMG记者 李仁 通讯员 曲华明 孙运智;我市九项目进入省“盘子”[N];烟台日报;2010年
5 上海大学理学院教授、副院长 陆文聪;酷爱化学 孜孜以求[N];中国化工报;2006年
6 ;选择合适的数据挖掘算法[N];计算机世界;2007年
7 周颖;王米渠与中医心理学[N];中国中医药报;2006年
8 记者 张云普通讯员 全攀峰 安强强;大庆物探深度域地震资料岩性解释技术获得五大突破[N];中国石油报;2008年
9 本报记者 冯治恩;敢与“雷公”试比高[N];铜川日报;2008年
10 记者 耿挺;蛋白质功能算出来[N];上海科技报;2007年
中国博士学位论文全文数据库 前10条
1 刘叶青;原始空间中支持向量机若干问题的研究[D];西安电子科技大学;2009年
2 常甜甜;支持向量机学习算法若干问题的研究[D];西安电子科技大学;2010年
3 胡运红;支持向量机的若干算法研究[D];山东科技大学;2011年
4 周喜川;非可信环境下的支持向量机研究[D];浙江大学;2010年
5 赵莹;半监督支持向量机学习算法研究[D];哈尔滨工程大学;2010年
6 杜小芳;基于CPFR的农产品采购模型研究[D];华中科技大学;2005年
7 刘育明;动态过程数据的多变量统计监控方法研究[D];浙江大学;2006年
8 栾锋;支持向量机(SVM)和径向基神经网络(RBFNN)方法在化学、环境化学和药物化学中的应用研究[D];兰州大学;2006年
9 孙薇;市场条件下抽水蓄能电站效益综合评价及运营模式研究[D];华北电力大学(河北);2007年
10 常群;支持向量机的核方法及其模型选择[D];哈尔滨工业大学;2007年
中国硕士学位论文全文数据库 前10条
1 刘艳伟;支持向量机方法在感潮河段洪峰水位预报中的应用[D];浙江大学;2010年
2 杨镭;支持向量机算法设计及在高分辨雷达目标识别中的应用[D];国防科学技术大学;2010年
3 童振;基于支持向量机的电解液成分预测[D];东北大学;2008年
4 聂小芳;模糊粗糙集与支持向量机在煤与瓦斯突出预测中的应用研究[D];辽宁工程技术大学;2009年
5 鄢常亮;基于支持向量机的高炉向凉向热炉况预测研究[D];内蒙古科技大学;2010年
6 韩叙东;基于支持向量机的水电故障分类器的设计与实现[D];东北大学;2008年
7 冯杰;慢时变对象的支持向量机建模与在线校正方法研究[D];东北大学;2009年
8 朱耿峰;支持向量机在冲击地压预测模型中的应用研究[D];山东科技大学;2010年
9 王奇安;基于广泛内核的CVM算法研究及参数C的选择[D];南京航空航天大学;2009年
10 张永新;基于支持向量机和遗传算法相结合的模拟电路故障诊断方法研究[D];东北大学;2009年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62791813
  • 010-62985026