CAJ | 학술논문

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,在许多分类问题和函数拟合问题上都已获得了很好的效果.对于少量样本的分类问题,SVM具有调节参数较少,运算速度快等优点.通过地震、测井等信息进行油气预测是一种典型的非线性分类器设计问题,它具有已知样本数较少、特征个数较少等特点,文章据此提出了一种基于特征扩展和特征选择的改进SVM方法.该方法将原始特征通过非线性变换到高维空间,然后应用线性SVM进行特征选择,并同时计算降维过程中各个特征子集对应的留一法错误率,最后选择错误率较小的特征子集来设计线性SVM分类器.在通用数据的实验中,这种方法仅仅用较为简单的多项式核函数就大大提高了分类器的泛化能力.与传统的模糊数学方法、神经网络方法和SVM方法相比,这种方法在四川观音场构造的碳酸岩盐储层数据的预测误差降低了50%,是一种有效的油气预测方法.
지지향량궤(SVM)시근년래발전기래적일충통용적궤기학습방법,재허다분류문제화함수의합문제상도이획득료흔호적효과.대우소량양본적분류문제,SVM구유조절삼수교소,운산속도쾌등우점.통과지진、측정등신식진행유기예측시일충전형적비선성분류기설계문제,타구유이지양본수교소、특정개수교소등특점,문장거차제출료일충기우특정확전화특정선택적개진SVM방법.해방법장원시특정통과비선성변환도고유공간,연후응용선성SVM진행특정선택,병동시계산강유과정중각개특정자집대응적류일법착오솔,최후선택착오솔교소적특정자집래설계선성SVM분류기.재통용수거적실험중,저충방법부부용교위간단적다항식핵함수취대대제고료분류기적범화능력.여전통적모호수학방법、신경망락방법화SVM방법상비,저충방법재사천관음장구조적탄산암염저층수거적예측오차강저료50%,시일충유효적유기예측방법.