典型文献
基于支持向量机的测井物性评价——以巴西深海盐下湖相碳酸盐岩储层为例
文献摘要：
针对巴西盐下湖相碳酸盐岩储层物性非均质性强、岩性对储层物性控制弱的难题,采用小样本统计学习性能较强的支持向量机(support vector machine,SVM)解决储层物性评价问题.SVM不仅可以从复杂的测井信息中挖掘出储层物性信息,还可以从测井曲线中挖掘出岩性信息,解决因样本少而难以分岩性进行物性评价的问题.以实测孔隙度作为训练数据的标签,并以其对应深度的测井曲线作为训练数据,挑选出多条对储层物性敏感的特征曲线,采用SVM方法实现井点孔隙度和渗透率的准确预测.评价结果表明,与BP神经网络方法对比,SVM方法预测效果更佳,更适合样本点较少、处理复杂的非线性问题.
文献关键词：
网格搜索;遗传算法;粒子群优化算法;孔隙度;渗透率;支持向量机
中图分类号：
作者姓名：
沈禄银;段太忠;潘仁芳;廉培庆;张文彪;金吉能
作者机构：
油气资源与勘探技术教育部重点实验室(长江大学),武汉 430100;中国石化石油勘探开发研究院,北京 100083
文献出处：
引用格式：
[1]沈禄银;段太忠;潘仁芳;廉培庆;张文彪;金吉能-.基于支持向量机的测井物性评价——以巴西深海盐下湖相碳酸盐岩储层为例)[J].中国科技论文,2022(05):516-524
A类：
B类：
物性评价,巴西,深海,海盐,盐下,湖相碳酸盐岩,碳酸盐岩储层,储层物性,非均质性强,岩性,小样本统计,统计学习,学习性,support,vector,machine,评价问题,挖掘出,测井曲线,孔隙度,训练数据,挑选出,多条,性敏感,井点,渗透率,准确预测,神经网络方法,方法对比,样本点,非线性问题,网格搜索,粒子群优化算法
AB值：
0.319434
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
