申请/专利权人：中国石油大学(华东)

申请日：2019-09-19

公开（公告）日：2024-06-28

公开（公告）号：CN110717301B

主分类号：G06F30/27

分类号：G06F30/27;G06F18/2411

优先权：

专利状态码：有效-授权

法律状态：2024.06.28#授权;2020.08.04#实质审查的生效;2020.01.21#公开

摘要：本发明属于石油天然气勘探与开发技术领域，公开了一种基于支持向量机算法的流动单元信息分类识别方法，样本集合的确定及数据预处理，并采用MATLAB中的mapminmax函数完成样本数据的归一化处理；采用C‑SVM分类技术，进行模型构建及参数寻优；利用测试样本对建立的预测模型进行预测与检验。本发明采用在非线性问题上处理能力较强的基于支持向量机算法的流动单元信息分类识别方法。本发明具有较高的吻合度，利用支持向量机算法开展流动单元研究的可信度较高，对剩余油潜力预测具有一定的参考价值。支持向量机算法在解决研究目标与多个因素相关的线性或非线性问题时，具有精度高、速度快、通用性强的优点。

主权项：1.一种基于支持向量机算法的流动单元信息分类识别方法，其特征在于，所述基于支持向量机算法的流动单元信息分类识别方法包括以下步骤：第一步，样本集合的确定及数据预处理；并采用MATLAB中的mapminmax函数完成样本数据的归一化处理；第二步，采用C-SVM分类技术，进行模型构建及参数寻优；第三步，利用测试样本对建立的预测模型进行预测与检验；所述第一步包括：一个包含有n组流动单元样本数据的样本集，每组样本中有m+1个储层参数，x1i，x2i，…，xmi，yi，i＝1，2，…，n；其中，n＞m-1；将包含有前m个储层参数的n个样本定义为n个向量：xi＝x1i，x2i…xmii＝1，2，...n；通过分析流动单元已知样本集输入特征xi和输出结果yi间的映射关系，建立最优的分类函数y＝fx，实现对未知样本流动单元类型的预测： 所述第二步包括：采用C-SVM分类技术通过增加惩罚参数C，控制错分样本的数量，得到的分类函数是一个关于向量x的非线性表达式： 式中，α表示拉格朗日乘子向量，α＝α1，α2，α3，...αn，0≤αi≤C；C表示对错误分类的惩罚程度，C大于0，约束条件是exp-g||x-xi||2是实现非线性映射的高斯核函数；g为高斯核参数，g大于0；b表示为分类阈值，通过任意一组支持向量xi求得，当αi＞0时的xi；αi、C、g均可由下式求得，是一个二次型寻优问题，存在最优解； 第三步模型预测与检验，利用公式的N组测试样本对建立的预测模型进行检验；将N组测试样本代入公式y＝SVMx1，x2，x3，...x13，计算出每组测试样本所对应的预测值yn+1，yn+2，…，yn+N，并根据预测结果计算模型的分类准确率；分类准确率满足生产需求，则将建立的流动单元预测模型应用于非取心井流动单元定量评价；xi＝x1i，x2i…xmii＝n+1，n+2，，...n+N。

全文数据：

权利要求：

百度查询： 中国石油大学(华东) 一种基于支持向量机算法的流动单元信息分类识别方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD