欢迎来到天天文库
浏览记录
ID:32060981
大小:2.29 MB
页数:88页
时间:2019-01-31
《基于支持向量机的测井曲线预测储层参数方法》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库。
1、论文题目:专业:硕士生:指导老师:基于支持向量机的测井曲线预测储层参数方法应用数学张彦周(签名)多鞋姐刘叶玲(签名)釜l里±硷摘要支持向量机由于其诸多的优良特性,近年来引起了广泛的关注,已经成为一个十分活跃的研究领域。本文较全面地研究了支持向量机的理论及应用方法,讨论了支持向量机中高斯核函数参数的选择问题,首次将支持向量机用于测井参数属性估计储层属性中。本文中,首先对支持向量机的理论基础一统计学习理论作了一个概述,主要论述了学习过程的一致性,如何控制学习过程的推广能力等问题,其次,对简单的线性可分数据,详细介绍了线性
2、支持向量机的工作原理,即寻找具有最大的分离超平面;核函数的实质是通过一非线性映射把原空间上非线性可分的数据映射到另一个特征空间上的线性可分数据,然后利用与线性支持向量机完全一样的方法,在该空间建立一个超平面,使其在原空间对应着一个非线性超曲面,通过引入一个核函数使所有的计算在原空间完成。同时针对本文主要讨论的回归问题给以详细地说明,支持向量机的解最终归结为一个凸二次规划,有全局最优解。简单介绍了支持向量机较常用的训练算法——序贯最小优化算法,自己编程用MATLAB实现了该算法,数值试验结果表明支持向量机具有较强的学习
3、能力。另外本文具体讨论了支持向量机中高斯核函数中参数仃对支持向量机学习预测性能的影响,证明了参数盯趋于零和无穷大情况下支持向量机的性质,指出高斯核函数具有描述样本相似程度这一性质,通过数值实验和理论分析给出了一种选择高斯核函数的方法——拐点法。进一步指出样本数据标准化对学习预测的影响,给出了标准化后选择较优高斯核函数参数的一个大致范围。最后根据石油地质勘探的实际问题,将支持向量机运用铡井曲线预测储层参数——孔隙度、参透率,同时与反向传播神经网络函数逼近法预测进行比较,结果表明,该方法预测精度高,方法稳定有效。支持向量
4、机较好的解决了小样本测井勘探的实际问题。关键词:支持向量机,回归估计,高斯核函数,测井曲线,储层参数研究类型:应用研究资助项目:国家科技部项目(04C266110893)西妥料技太学学位论文独创性说明本人郑重声明:所呈交的学位论文是我个人在导师指导下进行的研究工作及其取得研究成果。尽我所知,除了文中加以标注和致谢的地方外,论文中不包含其他人或集体已经公开发表或撰写过的研究成果,也不包含为获得西安科技大学或其他教育机构的学位或证书所使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中做了明确的说明并表示了
5、谢意。学位论文作者签名多长彦浩】日期:勐‘·牛-2箩学位论文知识产权声明书本人完全了解学校有关保护知识产权的规定,即:研究生在校攻读学位期间论文工作的知识产权单位属于西安科技大学。学校有权保留并向国家有关部门或机构送交论文的复印件和电子版。本人允许论文被查阅和借阅。学校可以将本学位论文的全部或部分内容编入有关数据库进行检索,可以采用影印、缩印或扫描等复制手段保存和汇编本学位论文。同时本人保证,毕业后结合学位论文研究课题再撰写的文章一律注明作者单位为西安科技大学。保密论文待解密后适用本声明。学位论文作者签名:姑罔指导教
6、师签名:茹IQ十呛2∞f年‘月才日西安科技大学硕士擘住论文____;ii;;i
7、___‘ii;;jiiiiiiiiIii;;iiiiiij__iiii;iiii_;il(2)一(5)所对应的而称之为支持向量(supponVector,sv),q一啦‘称为支持值。由式(3.20)知,非支持向量(q=o,酊=o所对应的葺)对∞没有贡献,只有支持向量对国有贡献,即对估计函数,(x)有贡献,支持向量由此得名,对应的学习方法称为支持向量机。在支持向量中,(4)和(5)对应的五称为边界支持向量(BoundarySupportVe
8、ctor,BSV),是超出占管道之外的数据点,(2)和(3)对应的五称为标准支持向量(NomalSupportVector,NSV),是落在占管道上的数据点。因此,占越大,支持向量数越少,但函数估计精度越低。对于标准支持向量,如果o9、向量,有6=咒一乏,(q一乃’)(_·-)+g.IffE∥为了计算可靠,一般对所有标准支持向量分别计算6的值然后求平均值,即a=忐馕[乃一善(吁卅阶)一刁+毒l一善(吁训阶)Ⅷ@,2,上式中NSV为标准支持向量数量。这样由(3.26)和(3.32)回归估计函数为,(x)=∑∽一引(毛·_)+6(3.33)^E一3.3.2非线性支持向量回归机上一
9、向量,有6=咒一乏,(q一乃’)(_·-)+g.IffE∥为了计算可靠,一般对所有标准支持向量分别计算6的值然后求平均值,即a=忐馕[乃一善(吁卅阶)一刁+毒l一善(吁训阶)Ⅷ@,2,上式中NSV为标准支持向量数量。这样由(3.26)和(3.32)回归估计函数为,(x)=∑∽一引(毛·_)+6(3.33)^E一3.3.2非线性支持向量回归机上一
此文档下载收益归作者所有