统计与案例分析:预测油田储层物性的支持向量机模型(SVM)

上传者: 45085051 | 上传时间: 2022-09-09 16:05:37 | 文件大小: 10.37MB | 文件类型: RAR
对收集到测井数据进行去除异常值、插值、标准化、独热编码等数据预处理,分别得到预测储层物性的回归数据及识别储层含油气性的分类数据。 为了预测储层物性孔隙度,本文构建了SVM支持向量机回归模型,并对该网络的BoxConstraint和KernelScale等关键指标进行超参数调整。基于上述模型,采用留一法交叉验证将单个井作为测试集,其余不包含该井的测井数据作为训练集,以此来分析单个井的孔隙度预测结果。 对影响因素数据(除去取值深度)进行主成分分析(PCA),将第一主成分和第二主成分作为SVM支持向量机模型的输入向量序列,以六类流体性质(含油水层、差油层、干层、水层、油层及油水同层)作为标签形成输出向量序列。由于典型的SVM支持向量机只能处理二分类问题,因此本文分别构建了六个SVM分类器。并且利用混淆矩阵、ROC曲线及AUC面积来衡量以上分类模型的性能。 适用方向:统计学及机器学习算法(SVM)的实例应用 关键词:SVM支持向量机;留一法交叉验证;主成分分析;matlab

文件下载

资源详情

[{"title":"( 24 个子文件 10.37MB ) 统计与案例分析:预测油田储层物性的支持向量机模型(SVM)","children":[{"title":"统计与案例分析(SVM)","children":[{"title":"统计与案例分析(SVM).pdf <span style='color:#111;'> 2.04MB </span>","children":null,"spread":false},{"title":"classification","children":[{"title":"classfied_data.mat <span style='color:#111;'> 995.42KB </span>","children":null,"spread":false},{"title":"data_analysis.m <span style='color:#111;'> 2.08KB </span>","children":null,"spread":false},{"title":"SVM_class.m <span style='color:#111;'> 3.01KB </span>","children":null,"spread":false},{"title":"figure","children":[{"title":"svm_12_1.fig <span style='color:#111;'> 544.88KB </span>","children":null,"spread":false},{"title":"svm_boundary.fig <span style='color:#111;'> 1.92MB </span>","children":null,"spread":false},{"title":"svm_4_1.fig <span style='color:#111;'> 525.14KB </span>","children":null,"spread":false},{"title":"svm_4_2.fig <span style='color:#111;'> 1.16MB </span>","children":null,"spread":false},{"title":"svm_12_2.fig <span style='color:#111;'> 1017.19KB </span>","children":null,"spread":false},{"title":"svm_class_test_roc.fig <span style='color:#111;'> 104.76KB </span>","children":null,"spread":false},{"title":"svm_2_1.fig <span style='color:#111;'> 528.78KB </span>","children":null,"spread":false},{"title":"svm_6_2.fig <span style='color:#111;'> 1.02MB </span>","children":null,"spread":false},{"title":"svm_5_2.fig <span style='color:#111;'> 988.33KB </span>","children":null,"spread":false},{"title":"svm_3_1.fig <span style='color:#111;'> 540.72KB </span>","children":null,"spread":false},{"title":"svm_2_2.fig <span style='color:#111;'> 1.11MB </span>","children":null,"spread":false},{"title":"svm_3_2.fig <span style='color:#111;'> 1.05MB </span>","children":null,"spread":false},{"title":"svm_5_1.fig <span style='color:#111;'> 528.33KB </span>","children":null,"spread":false},{"title":"svm_6_1.fig <span style='color:#111;'> 523.84KB </span>","children":null,"spread":false},{"title":"svm_class_train_roc.fig <span style='color:#111;'> 104.72KB </span>","children":null,"spread":false}],"spread":false},{"title":"data.mat <span style='color:#111;'> 322.00KB </span>","children":null,"spread":false}],"spread":true},{"title":"regression","children":[{"title":"SVM_regression.m <span style='color:#111;'> 3.65KB </span>","children":null,"spread":false},{"title":"x-yvalue.mat <span style='color:#111;'> 5.79MB </span>","children":null,"spread":false},{"title":"data_analysis.m <span style='color:#111;'> 2.89KB </span>","children":null,"spread":false},{"title":"yuan160.m <span style='color:#111;'> 1.13KB </span>","children":null,"spread":false}],"spread":true}],"spread":true}],"spread":true}]

评论信息

免责申明

【只为小站】的资源来自网友分享,仅供学习研究,请务必在下载后24小时内给予删除,不得用于其他任何用途,否则后果自负。基于互联网的特殊性,【只为小站】 无法对用户传输的作品、信息、内容的权属或合法性、合规性、真实性、科学性、完整权、有效性等进行实质审查;无论 【只为小站】 经营者是否已进行审查,用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。
本站所有资源不代表本站的观点或立场,基于网友分享,根据中国法律《信息网络传播权保护条例》第二十二条之规定,若资源存在侵权或相关问题请联系本站客服人员,zhiweidada#qq.com,请把#换成@,本站将给予最大的支持与配合,做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明