支持向量机及其在石油勘探开发中的应用综述

被引：17

作者：

彭涛 ^{[1
]}

张翔 ^{[2
]}

机构：

[1] 长江大学地球物理与石油资源学院

[2] 长江大学油气资源与勘探技术教育部重点实验室

来源：

勘探地球物理进展 | 2007年 / 02期

关键词：

支持向量机; 机器学习技术; 石油勘探开发;

D O I：

暂无

中图分类号：

P631.4 [地震勘探];

学科分类号：

0818 ; 081801 ; 081802 ;

摘要：

支持向量机(SVM)是20世纪90年代中期发展起来的机器学习技术,与传统的人工神经网络不同,前者基于结构风险最小化原理,后者基于经验风险最小化原理。SVM在解决小样本、非线性和高维的机器学习问题中表现出许多特有的优势,适用于函数预测,模式识别和数据分类领域。将SVM应用于石油勘探开发领域是一个重要的研究方向,具有广阔的应用前景。

引用

收藏

页码：91 / 95+75 +75

页数：6

相关论文

共 16 条

[1] 一种用于测井油气层综合识别的支持向量机方法 [J].

杨斌 ;

匡立春 ;

孙中春 ;

施泽进 .

测井技术, 2005, (06) :511-514+571

[2] 支持向量机方法在油气储层参数预测中的应用 [J].

乐友喜 ;

袁全社 .

天然气工业, 2005, (12) :45-47+12

[3] 支持向量机在储层厚度预测中的应用 [J].

张彦周 ;

刘叶玲 ;

谢宝英 .

勘探地球物理进展, 2005, (06) :422-424+431+10

[4] 支持向量机方法识别储集层流体性质 [J].

于代国 ;

孙建孟 ;

张振城 ;

吴金龙 .

新疆石油地质, 2005, (06) :73-75

[5] 应用支持向量机方法预测储层敏感性 [J].

张作清 ;

韩克宁 ;

于代国 ;

张振城 .

测井技术, 2005, (04) :308-310+388

[6] 支持向量机在油田产量预测中的应用 [J].

李卓 ;

刘斌 ;

刘铁男 .

大庆石油学院学报, 2005, (05) :100-101+104+132

[7] 基于支持向量机和小波包能量特征的气液两相流流型识别方法 [J].

孙斌 ;

周云龙 .

中国电机工程学报, 2005, (17) :93-99

[8] 支持向量机算法在地质录井中的应用 [J].

刘洪 ;

钟大康 ;

李文华 ;

易俊 ;

洪志琼 .

新疆石油地质, 2004, (05) :535-537

[9] 支持向量机及其在复杂水淹层识别中的应用 [J].

李盼池 ;

许少华 .

计算机应用, 2004, (09) :147-149

[10] 一种基于SVM特征选择的油气预测方法 [J].

姚凯丰 ;

陆文凯 ;

丁文龙 ;

张善文 ;

肖焕钦 ;

李衍达 .

天然气工业, 2004, (07) :36-38+134