一种基于支持向量机算法的流动单元信息分类识别方法技术

本发明专利技术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。本发明专利技术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。本发明专利技术具有较高的吻合度，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。

【技术实现步骤摘要】
一种基于支持向量机算法的流动单元信息分类识别方法
本专利技术属于石油天然气勘探与开发
，尤其涉及一种基于支持向量机算法的流动单元信息分类识别方法。
技术介绍
目前，最接近的现有技术：随着油气勘探程度的深入及常规油气资源的减少，浊积扇低渗透油藏作为非常规油气藏资源的重要类型之一，逐渐成为勘探开发的热点，展现出较大的含油气潜力。对浊积扇储层油水分布规律的研究相对滞后，成为目前制约浊积扇储层大规模开发的主要因素。相对于常规砂岩储层，浊积扇储层地下构型结构复杂，内部砂体形态、规模、延伸状况存在明显差异，砂体内广泛发育的隔层和夹层使得厚油层被分割成了多个连通或不连通的流动单元。目前，已有不少学者开展了浊积扇储层构型研究，但流动单元研究相对较少。流动单元有利于深入的了解储层的非均质性，对储层的储集物性、渗流能力好坏给予一个准确地判断，同时就剩余油预测和提高采收率提供重要的理论支撑。目前，国内外学者对流动单元的研究多基于统计学的聚类分析，而低渗透储层流动单元受多种地质因素的影响，且流动性能好坏与各地质因素间的关系复杂，但低渗透储层地质参数及流动本文档来自技高网...

【技术保护点】
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：/n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；/n第二步，采用C-SVM分类技术，进行模型构建及参数寻优；/n第三步，利用测试样本对建立的预测模型进行预测与检验。/n

【技术特征摘要】
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。


2.如权利要求1所述的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...xmi)(i＝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＝f(x)，实现对未知样本流动单元类型的预测：





3.如权利要求1所述的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；





4.如权利要求3所述的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，建立支持向量机预测模型的步骤如下：利用n组学习样本对模型进行训练，以求取分类函数，公式y＝SVM(x1，x2，x3，...x13)；其次，将n组学习样本代入公式y＝SVM(x1，x2，x3，...x13)...

【专利技术属性】
技术研发人员：徐守余，路研，陈麦雨，王鑫，张晓帆，徐梦佳，邹世豪，
申请(专利权)人：中国石油大学华东，
类型：发明
国别省市：山东;37