基于LS-SVM的测井物性参数的预测方法

被引：20

作者：

陈华

邓少贵

范宜仁

机构：

[1] 中国石油大学(华东)

来源：

计算机工程与应用 | 2007年 / 23期

关键词：

最小二乘支持向量回归机; 孔隙度; 渗透率; 饱和度; 预测;

D O I：

暂无

中图分类号：

TP183 [人工神经网络与计算];

学科分类号：

140502 [人工智能];

摘要：

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,在小样本数据的拟合中已获得了很好的效果。采用新型的支持向量机——最小二乘支持向量机(LS-SVM)对孔隙度、渗透率和饱和度进行了预测,获得了满意的结果。该方法易于使用,很少受不确定性因素的影响,并具有较强的信息整合能力以及更高的预测准确性。

引用

页码：208 / 210

页数：3

共 8 条

[1]

现代应用数学.[M].王才经编著;.石油大学出版社.2004,

[2]

数据挖掘中的新方法.[M].邓乃扬;田英杰著;.科学出版社.2004,

[3]

最小二乘支持向量机参数选择方法及其应用研究 [J].