学位论文 > 优秀研究生学位论文题录展示

基于偏最小二乘及最小二乘支持向量机算法在储层参数预测上的应用

作　者: 于文彬
导　师: 曹旭光
学　校: 吉林大学
专　业: 计算机软件与理论
关键词: 储层参数 偏最小二乘法 最小二乘支持向量机 统计学习理论 机器学习 核函数
分类号: P618.13
类　型: 硕士论文
年　份: 2011年
下　载: 168次
引　用: 0次
阅　读: 论文下载
 

内容摘要


对于传统的储层参数预测模型,大部分是利用经验公式,或者是普通的回归公式进行预测。由于地层内部结构复杂,各地质条件互相影响、交叉,导致地层参数多维数、非线性、相关性大。而油田开发非常耗费人力、财力,因此我们有必要建立一套更加准确精细的储层参数预测方法,以满足实际油田生产的需要。本文研究了支持向量机技术的基本模型,并做了相应改进,即基于偏最小二乘法及最小二乘支持向量机算法,并在储层参数预测上进行应用。支持向量机于20世纪90年代中期由vapnik等人提出,它是基于统计学习理论的机器学习模型。同神经网络算法不同,支持向量机是以严格的数学推论作为基础,最终收敛于全局最优点,避免了神经网络算法中的局部最优解的缺点。并且在解决高维非线性问题中,支持向量机有着传统回归方法无法比拟的优势。在以往的数据分析中,我们一般采用统计学里的回归分析进行预测解释。这些回归分析都是基于经验风险最小化原则,如多元线性回归、最小二乘回归、逐步线性回归等。在多维变量的情况下,自变量间的多重相关性会严重干扰预测公式。通过将最小二乘多元回归、主成分分析以及典型相关分析相结合,我们得到了偏最小二乘法,并引入相关系数、t检验和F检验来进行模型的显著性分析。我们将偏最小二乘法和最小二乘支持向量机相结合,通过偏最小二乘法消除数据的相关性,再由最小二乘支持向量机将多维、非线性数据映射到高维空间,得到相应的拟合公式。这样得到的公式不但要好于单独使用其中任何一者的结果,还能避免使用神经网络算法带来的局部最优解的问题,具有很强的适应能力。孔隙度、饱和度和渗透率是油田测井中非常至关重要重要的三个参数,他们由测井曲线如中子、密度、声波时差等来反映。当使用经验公式甚至是普通的回归分析进行预测时,由于储层参数同测井曲线参数关系非常复杂,并且测井曲线间含有多重相关性以及高维数,使得预测结果具有较差的精度和泛化性。本文将偏最小二乘法与最小二乘支持向量机相结合,并成功应用于储层参数预测中。经过实验论证,我们拟合出来的公式具有很高的精度和泛化性,达到了理想的目的。

全文目录


摘要  4-6
Abstract  6-10
第1章 绪论  10-13
  1.1 选题背景及现实意义  10-11
  1.2 国内外研究基本状况及应用  11
  1.3 研究内容及所作工作  11-13
第2章 机器学习问题和统计学习理论  13-19
  2.1 机器学习中的基本问题  13-15
    2.1.1 机器学习模型与机器学习问题  13-14
    2.1.2 经验风险最小化原则  14-15
  2.2 统计学习理论  15-19
    2.2.1 函数集的VC维理论  15-17
    2.2.2 学习过程一致性与推广性的界  17
    2.2.3 结构风险最小化原则  17-19
第3章 支持向量机算法  19-29
  3.1 核函数  19-20
  3.2 线性可分的向量分类机  20-24
    3.2.1 线性可分的线性向量分类机  20-23
    3.2.2 线性可分的非线性向量分类机  23-24
  3.3 线性不可分的向量分类机  24-26
    3.3.1 二阶范数软间隔——对角权重  24-25
    3.3.2 一阶范数软间隔——盒约束  25-26
  3.4 支持向量回归机  26-29
第4章 偏最小二乘及最小二乘支持向量机算法  29-38
  4.1 多元线性回归模型  29-32
    4.1.1 最小二乘法多元回归  30
    4.1.2 多重相关性分析  30-31
    4.1.3 主成分分析  31-32
    4.1.4 典型相关分析  32
  4.2 偏最小二乘法及最小二乘支持向量机回归  32-38
    4.2.1 偏最小二乘法(PLS)算法  32-36
    4.2.2 最小二乘支持向量机(LSSVM)回归算法  36-38
第5章 储层参数的预测  38-47
  5.1 储层参数概述  38-42
    5.1.1 孔隙度及其测定  38-39
    5.1.2 饱和度及其测定  39-41
    5.1.3 渗透率及其测定  41-42
    5.1.4 测井曲线  42
  5.2 向量机建模预测储层参数  42-47
    5.2.1 支持向量机参数的确定  43-44
    5.2.2 孔隙度参数的预测  44-45
    5.2.3 渗透率参数的预测  45-46
    5.2.4 饱和度参数的预测  46-47
第6章 结论  47-48
参考文献  48-50
作者简介及在学期间所取得的科研成果  50-51
致谢  51

相似论文

  1. 基于SVM的常压塔石脑油干点软测量建模研究,TE622.1
  2. 地波辐射源的调制类型识别与参数估计,TN957.51
  3. 基于图像的路面破损识别,TP391.41
  4. 过程支持向量机及其在卫星热平衡温度预测中的应用研究,TP183
  5. 基于数据分布特征的文本分类研究,TP391.1
  6. 基于条件随机场的中文分词技术的研究与实现,TP391.1
  7. 电磁散射体积分方程的H矩阵算法的研究,O175.5
  8. 领域知识指导的半监督学习和主动学习倾向性分类研究,TP181
  9. Android恶意软件静态检测方案的研究,TP309
  10. 监督主题模型的研究与应用,TP391.1
  11. 传感器数据补偿算法的设计与实现,TP301.6
  12. 基于核回归与非局部方法的图像去噪研究,TP391.41
  13. 基于失真效应的图像质量评价与分类,TP391.41
  14. 基于学习的逆向运动学人体运动合成,TP391.41
  15. 胶囊内镜便携式接收系统及内镜图像出血识别算法研究,TP391.41
  16. 基于内容的网页恶意代码检测的研究与实现,TP393.092
  17. 学术主页信息抽取系统的研究,TP393.092
  18. 基于非参数统计高斯核函数特征量的网络流量异常检测方法,TP393.07
  19. 社会化网络中的推荐算法及其应用,TP391.3
  20. 数据挖掘在邮件反垃圾系统中的应用,TP393.098
  21. 基于自学习的社会关系抽取的研究,TP391.1

中图分类: > 天文学、地球科学 > 地质学 > 矿床学 > 矿床分类 > 燃料矿床 > 石油、天然气
© 2012 www.xueweilunwen.com