基于主成份分析和支持向量机的PCA-SVM储层识别模型研究

摘要

储层识别是油气勘探开发中所面临的关键问题和难点之一.针对传统储层识别方法预测精度较低这一问题,提出了基于主成份分析和支持向量机的PCA-SVM储层识别模型,较好地解决了传统学习方法在非线性预测中的小样本、过学习、局部极小点等问题,同时消除了出入变量之间的多重相关性,减少了输入变量的个数,提高了预测精度和收敛速度.通过对长庆中部气田马五1段储层的实例应用, PCA-SVM模型的预测精度达到100%,优于SVM模型(93.6%)和Fisher判别模型(96.3%).这表明PCA-SVM模型具有更高的预测精度,为致密储层的准确识别探索了又一新方法.