基于支持向量回归的原油高压物性参数预测

摘要：

地层原油的高压物性参数,如原油的泡点压力、地层体积系数、溶解气油比、油藏温度、原油比重和天然气比重等,在油气藏的储量计算以及确定油藏的特性等工作中起到了关键作用.由于传统经验公式仅适用于特定性质的油藏.因此,经验公式并不适合于计算所有类型原油的高压物性参数.近年,研究者将神经网络引入到原油的高压物性参数的计算中,但是,神经网络存在模型结构复杂、参数选择困难、易出现过拟合且精确度低等问题.而支持向量机能够较好地解决神经网络出现的问题,因此,该文将支持向量回归(Support Vector Regression,SVR)算法引入到了地层原油高压物性参数的预测中,并且与神经网络的预测结果进行对比分析.实验结果表明,支持向量回归模型具有较好的预测结果以及实际应用价值.

关键词：支持向量回归、高压物性参数、体积系数、神经网络、预测模型

所属期刊栏目：6

分类号：TP311(计算技术、计算机技术)

资助基金：国家自然科学基金委,项目名称:基于核向量机的油藏历史拟合代理模型研究40872087

在线出版日期：2010-08-10（万方平台首次上网日期，不代表论文的发表时间）

页数：共3页

页码：4094-4096