CAJ | 학술논문

支持向量机方法(SVM)是基于结构风险最小化原理,采用核函数处理技术,较好的适应小样本、非线性和局部极小点等实际问题,克服了常规统计方法的局限性,避免了维数灾难.能够在有限的样本集基础上,兼顾模型的通用性和推广性,有效解决了学习性和延拓性的问题,预测精度更高.实际生产中影响储层产能因素众多,各因素间相互影响,在综合考虑地层因素的基础上,提取了测井产能预测参数,利用支持向量机方法对产能进行了预测,预测结果与实际一致,并将处理结果与多元回归及BP神经网络处理结果进行了对比分析.实践表明支持向量机方法优于后两种方法,是一种值得推广使用的方法.
지지향량궤방법(SVM)시기우결구풍험최소화원리,채용핵함수처리기술,교호적괄응소양본、비선성화국부겁소점등실제문제,극복료상규통계방법적국한성,피면료유수재난.능구재유한적양본집기출상,겸고모형적통용성화추엄성,유효해결료학습성화연탁성적문제,예측정도경고.실제생산중영향저층산능인소음다,각인소간상호영향,재종합고필지층인소적기출상,제취료측정산능예측삼수,이용지지향량궤방법대산능진행료예측,예측결과여실제일치,병장처리결과여다원회귀급BP신경망락처리결과진행료대비분석.실천표명지지향량궤방법우우후량충방법,시일충치득추엄사용적방법.