支持向量机预测煤储层渗透性

摘要

本文对最优化理论和统计学习理论进行了概述,并且详细介绍了支持向量机理论,包括分类和回归。然后,对煤储层渗透率的影响因素进行了深入分析,挑选出适合作煤储层渗透率预测的影响因子。最后,在这些理论的基础上开发出支持向量回归机软件,利用该软件建立训练模型并预测渗透率,得到研究区渗透性的分布状况和煤层气勘探开发的有利区带。为了更准确的预测煤储层渗透率,本文对数据样本进行了归一化处理,减小了误差并简化了模型的复杂度;研究了核函数的选择及核参数的最优值问题,结果表明径向基核函数是最适合建立预测储层渗透率模型的;分析了损失函数ε和惩罚参数C的取值对模型的推广能力的影响,ε控制支持向量的个数,且ε和C各有一个取值范围能够使得模型具有最好的预测效果。
　　 本研究选择RBF核参数,设置最优的损失函数ε和惩罚参数C来建立模型,并用它来预测煤储层渗透性。预测结果表明:研究区内渗透率值从北向南呈现递增的趋势,晋城区是研究区内渗透率最高的勘探开发区,渗透率在1.5×10-3μm2以上,属于研究区内煤储层渗透性好的地区;利用支持向量回归机算法建立的模型预测煤储层渗透性,具有较强的可行性和适用性,也克服了人工神经网络模型中过学习问题,使用该方法可以提高预测渗透率的效率并为煤层气的勘探开发提供依据。通过研究分析,支持向量机具有以下特点:支持向量机采用的是结构风险最小化原则,这种规则会在函数计算的误差上和模型的复杂度上寻求平衡,这样会获得较好的推广能力;支持向量机算法求解得到的解是全局最优解,具有很好的收敛性;最终目标函数是由支持向量决定的,既简化了计算又降低了模型的复杂度;支持向量机在核函数的选取及核参数、损失函数参数和惩罚参数的设置上需要进一步的深入研究。