石油勘探与开发
石油勘探與開髮
석유감탐여개발
PETROLEUM EXPLORATION AND DEVELOPMENT
2008年
5期
588-594
,共7页
多元回归分析%人工神经网络%支持向量机%算法比较%裂缝预测%含气性评价
多元迴歸分析%人工神經網絡%支持嚮量機%算法比較%裂縫預測%含氣性評價
다원회귀분석%인공신경망락%지지향량궤%산법비교%렬봉예측%함기성평개
为了对比多元回归分析(MRA)、人工神经网络(ANN)和支持向量机(SVM)三种算法的应用效果,分别将其应用于两个实例:对南襄盆地泌阳凹陷安棚油田安1井和安2井7种测井资料的34个样本进行裂缝预测;对鄂尔多斯盆地塔巴庙地区致密砂岩储集层孔隙度、渗透率和含气饱和度的40个样本进行含气性评价.两个实例分析表明:①非线性算法(SVM和ANN)远比线性算法(MRA)优越;②SVM表现绝对的优越性(计算误差均为零、计算速度快),是迄今最佳的机器学习方法;③在实例1中ANN与SVM相比几乎是同等优越,但在实例2中ANN的精度比SVM低得多;④MRA计算速度快、具有ANN和SVM所不具备的能表达研究目标与相关地质因素之间亲疏关系的优点.因此,当描述一个研究目标与多个相关地质因素的复杂关系时,应提倡采用SVM,而MRA可作为辅助应用.图4表3参27
為瞭對比多元迴歸分析(MRA)、人工神經網絡(ANN)和支持嚮量機(SVM)三種算法的應用效果,分彆將其應用于兩箇實例:對南襄盆地泌暘凹陷安棚油田安1井和安2井7種測井資料的34箇樣本進行裂縫預測;對鄂爾多斯盆地塔巴廟地區緻密砂巖儲集層孔隙度、滲透率和含氣飽和度的40箇樣本進行含氣性評價.兩箇實例分析錶明:①非線性算法(SVM和ANN)遠比線性算法(MRA)優越;②SVM錶現絕對的優越性(計算誤差均為零、計算速度快),是迄今最佳的機器學習方法;③在實例1中ANN與SVM相比幾乎是同等優越,但在實例2中ANN的精度比SVM低得多;④MRA計算速度快、具有ANN和SVM所不具備的能錶達研究目標與相關地質因素之間親疏關繫的優點.因此,噹描述一箇研究目標與多箇相關地質因素的複雜關繫時,應提倡採用SVM,而MRA可作為輔助應用.圖4錶3參27
위료대비다원회귀분석(MRA)、인공신경망락(ANN)화지지향량궤(SVM)삼충산법적응용효과,분별장기응용우량개실례:대남양분지비양요함안붕유전안1정화안2정7충측정자료적34개양본진행렬봉예측;대악이다사분지탑파묘지구치밀사암저집층공극도、삼투솔화함기포화도적40개양본진행함기성평개.량개실례분석표명:①비선성산법(SVM화ANN)원비선성산법(MRA)우월;②SVM표현절대적우월성(계산오차균위령、계산속도쾌),시흘금최가적궤기학습방법;③재실례1중ANN여SVM상비궤호시동등우월,단재실례2중ANN적정도비SVM저득다;④MRA계산속도쾌、구유ANN화SVM소불구비적능표체연구목표여상관지질인소지간친소관계적우점.인차,당묘술일개연구목표여다개상관지질인소적복잡관계시,응제창채용SVM,이MRA가작위보조응용.도4표3삼27