基于贝叶斯证据框架下SVM的油层识别模型研究

摘要：

支持向量机(support vector machine,SVM)方法在石油测井领域的油层识别中取得了很好的应用效果,但SVM方法的识别效果受到惩罚参数和核参数的影响,不同的参数组合直接影响识别精度的优劣.为了在油层识别中获得更好的识别效果,提出一种基于贝叶斯证据框架下SVM的油层识别模型,即根据测井数据的训练样本信息,采用贝叶斯证据框架的理论求解惩罚参数以及核参数,再通过所求得的决策函数对测井数据的测试样本进行识别.实际测井数据实验表明,基于贝叶斯证据框架下SVM的油层识别模型的油层识别效果得到提高,优于传统SVM方法和基于粒子群优化算法(particle swarm optimization,PSO)的SVM方法.

关键词：支持向量机、油层识别、贝叶斯证据框架

所属期刊栏目：28

分类号：TP277(自动化技术及设备)

资助基金：国家自然科学基金51208168;天津市自然科学基金11JCYBJC00900,13JCYBJC37700;河北省自然科学基金F2013202254,F2013202102;河北省引进留学人员基金C2012003038The National Natural Science Foundation of China51208168;The Tianjin Natural Science Foundation11JCYBJC00900,13JCYBJC37700;The Hebei Province Natural Science FoundationF2013202254,F2013202102;The Hebei Province Foundation for Returned ScholarsC2012003038

在线出版日期：2016-06-02（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：260-264,272