基于支持向量机的交互检验储层预测

基于统计学习理论的支持向量机(support vector machine,SVM)是有限样本情况下的机器学习方法,具有严格的理论基础,能较好地解决小样本、非线性、高维数和局部极小点等问题。在地震储层预测中,影响支持向量机应用效果的主要因素在于惩罚因子及核函数参数的设置,其值设置过小或过大,都会使估计函数的泛化能力变差,降低储层预测精度。为提高支持向量机在储层预测中的应用效果,将已知样本随机划分为若干组,依次选其中的一组作为检验样本,其余样本作为学习样本,交互检验惩罚因子及核函数参数对储层预测精度的影响;优选惩罚因子及核函数参数,提高支持向量机储层预测精度。通过实际资料应用,验证了方法的有效性。