| 基于LS-SVM的测井物性参数的预测方法 |
| |
| 引用本文： | 陈华,邓少贵,范宜仁.基于LS-SVM的测井物性参数的预测方法[J].计算机工程与应用,2007,43(23):208-210. |
| |
| 作者姓名： | 陈华 邓少贵 范宜仁 |
| |
| 作者单位： | 中国石油大学(华东),山东,东营,257061 |
| |
| 基金项目： | 中国石油天然气集团公司资助项目 |
| |
| 摘 要： | 支持向量机(SVM)是近年来发展起来的一种通用的机器学习方法,在小样本数据的拟合中已获得了很好的效果。采用新型的支持向量机——最小二乘支持向量机(LS-SVM)对孔隙度、渗透率和饱和度进行了预测,获得了满意的结果。该方法易于使用,很少受不确定性因素的影响,并具有较强的信息整合能力以及更高的预测准确性。
|
| 关 键 词： | 最小二乘支持向量回归机 孔隙度 渗透率 饱和度 预测 |
| 文章编号： | 1002-8331（2007）23-0208-03 |
| 修稿时间： | 2007-05 |
Forecast method of logging physical property parameters based on LS-SVM |
| |
| CHEN Hua,DENG Shao-gui,FAN Yi-ren.Forecast method of logging physical property parameters based on LS-SVM[J].Computer Engineering and Applications,2007,43(23):208-210. |
| |
| Authors: | CHEN Hua DENG Shao-gui FAN Yi-ren |
| |
| Affiliation: | University of Petroleum China,Dongying,Shandong 257061 ,China |
| |
| Abstract: | Support Vector Machine（SVM） is a general machine learning method in recent years，by which good results have been obtained in fitting of small samples.Using new Support Vector Machine—Least Square Support Vector Machine（LS-SVM） to predict porosity，permeability，saturation is satisfied.The method is prone to use，it is seldom affected by uncertain factor and has powerful conformity skill of information and higher veracity in forecast. |
| |
| Keywords: | Least Square Support Vector Regression porosity permeability saturation forecast |
| 本文献已被 CNKI 维普 万方数据 等数据库收录！ |
| 点击此处可从《计算机工程与应用》浏览原始摘要信息 |
|
点击此处可从《计算机工程与应用》下载全文 |
