基于支持向量机与信息融合的地震油气预测方法.pdfVIP

2006 年2 月　　　　　　　　　　　　　　 石油地球物理勘探 　　　　　　　　　　　　　第41 卷　第 1 期 ·经验交流· 基于支持向量机与信息融合 的地震油气预测方法 金　龙 　陈小宏　王守东 (石油大学资源与信息学院·北京) 摘　　　要 ( ) 金龙, 陈小宏, 王守东. 基于支持向量机与信息融合的地震油气预测方法. 石油地球物理勘探, 2006, 41 1 : 76～ 80 　　地震油气预测中的不确定性因素包括地震属性选取、预测算法选择、环境噪声及原始数据观测误差等。为 消除这些不确定性因素, 本文利用支持向量机与信息融合理论进行地震油气预测, 支持向量机首先通过利用内 ( ) 积函数定义的非线性变换将输入空间变换到一个高维空间, 在这个空间中求 广义 最优分类面, 其分类函数形 式上类似于一个神经网络, 输出是中间节点的线性组合, 每个中间节点对应一个支持向量。支持向量机可以解 决分类问题和拟合问题, 在解决小样本、非线性及高维模式识别问题中表现出许多特有的优势。信息融合是利 用时间、空间的多传感器信息资源, 采用数学方法和计算机技术对观测信息在一定准则下加以自动分析、综合 和使用, 从而比单一传感器观测对象获得更优越的一致性信息和描述, 减小环境对决策的影响。将支持向量机 与信息融合两者结合应用, 能同时减小多种因素引起的不确定性, 提高油气预测精度。此方法用于实际数据, 得 到了较好的预测结果。 关键词　油气预测　不确定性　支持向量机　信息融合　证据理论 针对由多类多个传感器组成的系统这一特定问题展 1　引言 开的信息处理理论, 而不仅仅是一种具体的方法。本 文将结合支持向量机与信息融合的理论进行地震油 不同学者、专家利用地震属性信息预测油气时 气预测, 以降低算法参数选择与地震属性选择带来 解决问题的角度不同[ 1～ 5 ] , 总体上可归为两类: 一类 的不确定性。 为改进模式学习算法和属性优化算法; 另一类为通 过提出新的、对油气更为敏感的地震属性, 以实现更 2　支持向量机原理 为精确的油气预测。引入油气预测领域的数学方法 包括多元统计、奇异值分解、灰色关联分析、神经网 支持向量机 ( Suppo rt V ecto r M ach ine, 简称 络、支持向量机等。提出的新地震属性包括瞬时属 SVM ) 是在统计理论的基础上发展起来的新的模式 性、小波属性、高阶统计量属性、分形属性、混沌属性 识别方法, 在解决小样本、非线性及高维模式识别问 等。由于每种数学方法都有自身的假设, 且地震属性 题时表现出许多特有的优势。 的区域性较强, 因此利用地震信息预测油气存在很 2. 1　支持向量机的基本思想 多不确定性。如何降低算法选择和地震属性选择带 支持向量机首先通过用内积函数定义的非线性 来的不确定性是提高地震油气预测精度的关键。 变换将输入空间变换到一个高维空间, 然后在高维 ( ) 统计学习在小样本学习中具有很大优势, 具有