基于RS与LS-SVR的储层参数预测  

Prediction of reservoir parameters based on the RS and LS-SVR

作　　者：施泽进[1] 任在清[2] 戈汉权[2] 

机构地区：[1]成都理工大学"油气藏地质及开发工程"国家重点实验室,成都610059 [2]成都理工大学信息管理学院,成都610059

出　　处：《成都理工大学学报（自然科学版）》2007年第6期605-608,共4页Journal of Chengdu University of Technology: Science & Technology Edition

基　　金：数学地质四川省高校重点实验室资助;国家自然科学基金委员会与中国石油化工股份有限公司联合基金资助项目(40739903)

摘　　要：该文提出结合粗糙集(RS)和最小二乘支持向量回归(LS-SVR)的方法。该方法利用RS对原始数据进行约简,更好地减少了支持向量的维数;同时采用LS-SVR解决了常规SVM计算速度慢、抗噪能力差的缺点。实例证明该方法应用在复杂地层储层参数预测中具有优越性。In this paper, the authors present a method combined rough set（RS） with least square support vector regression（LS-SVR）. The method uses RS to reduce original data to better reduce the dimension of support vector. Then, it uses LS-SVR to overcome the calculation slow and poor antinoise capability shortcomings of the conventional SVM. The application of an example proves that the method demonstrated its superiority when using in the prediction of reservoir parameters of complex formations.

关 键 词：粗糙集 最小二乘支持向量机 孔隙度 

分 类 号：O211.5[理学—概率论与数理统计] TE122.23[理学—数学]