欢迎来到天天文库
浏览记录
ID:54366998
大小:230.88 KB
页数:4页
时间:2020-04-29
《支持向量机及其在复杂水淹层识别中的应用.pdf》由会员上传分享,免费在线阅读,更多相关内容在应用文档-天天文库。
1、第24卷第9期计算机应用Vol.24No.92004年9月ComputerApplicationsSept.2004文章编号:1001-9081(2004)09-0147-03支持向量机及其在复杂水淹层识别中的应用李盼池,许少华(大庆石油学院计算机科学与工程学院,黑龙江大庆163318)(lipanchi@vip.sina.com)摘要:研究了基于结构风险最小化原理的支持向量机方法对模式类的识别能力,构造了可用于多个模式类识别的级连式SVM模型。该模型易于实现,且能够找到模式间的最优分类超平面,泛化能力较高。支持向量机用于模式识别不存在局部极小值问
2、题,且不需网络迭代训练,求解速度明显高于神经网络。该模型采用两种核函数,将SVM用于油藏测井解释中水淹层的识别以提取测井曲线与水淹级别之间的映射关系,从而实现模糊性油藏测井解释中水淹层的识别。实验结果表明,此方法对解决水淹层识别问题具有良好的适应性和实用性。关键词:统计学习理论;支持向量机;机器学习;模式识别;水淹层识别中图分类号:TP182;TP391.4文献标识码:ASupportVectormachineanditsapplicationincomplexwaterfloodedlayerrecognitionLIPan-chi,XUShao
3、-hua(CollegeofComputerScienceandEngineering,DagingPetroleumInstitute,DagingHeilongjiang163318,China)Abstract:AfterresearchingtherecognitioncapabilityofSVM(SupportVectorMachine)basedonstructureminimizationprinciple,weconstructedamulti-layerSVMmodelformulti-patternrecognition,wh
4、ichcanbeeasyrealized.TheSVMmethodcanfindoutthesuper-planebetweenpatternswithoutlocalminima,andneednottobetrained.Itismoreefficientthanneuralnetworkmethodandhashighuniversalability.WeusedthisSVMmethodwithtwokernelfunctionstofindtherelationbetweenwellloggingandwater-floodedlevel
5、inoilwelllogging.Theresultsshowthatthemodelissuitabletowater-floodedlayerrecognition.Keywords:statisticallearningtheorygSupportVectorMachine(SVM)gmachinelearninggpatternrecognitiongwaterfloodedlayerrecognition大规模模式识别理论和方法在实际应用中具有重要意解速度明显高于神经网络,并具有较高的泛化能力。油藏测义,但其泛化能力的定量描述一直缺乏有效
6、的手段。人工神井解释中水淹层的识别是石油开发中特别是开发中后期比较经网络方法在小规模识别问题中比较有效,但也有缺点,如确突出的一个问题。复杂的地质条件在测井曲线的表现中具有定网络的拓扑结构尚无可靠的理论指导,易陷入局部最优解,许多模糊性,在各种模糊条件的组合下油藏水淹表现为强水同时对于小样本的大规模模式识别问题泛化能力差。支持向淹、中水淹、弱水淹和无水淹等四种情形。将SVM用于油藏量机方法是根据Vapnik提出的结构风险最小化原则提高学测井解释中水淹层的识别可以提取测井曲线与水淹级别之间习机泛化能力的方法,即是由有限训练样本得到的决策规则的映射关系
7、,从而实现水淹层识别的自动化处理和避免由人对独立的测试集仍能够得到小误差的一种方法。支持向量机为因素引起的误判。算法是一个凸二次优化问题,能够保证找到的极值解就是全[1]1支持向量机的识别算法局最优解。这些特点表明支持向量机是一种优秀的学习算法。支持向量机本质上是一种非线性数据处理工具,在模1.1实际风险、经验风险及结构风险最小化式识别(字符识别、文本自动分类、人脸检测、头的姿态识假设:变量y与x存在一定的未知依赖关系,即遵循某一别)、函数逼近、函数拟合、回归估计、密度估计、数据挖掘、三未知的联合概率F(x,y),(xi,yi)(i=1,2,⋯,n
8、)是n个维物体识别、遥感图像分析和非线性系统控制中均有很好的独立同分布观测样本,称应用。R(w)=jL(y,(fx,w))
此文档下载收益归作者所有