基于支持向量回归机的油田系统预测方法.pdfVIP

维普资讯 大 庆 石 油 学 院 学 报 第 31卷 第 1期 2007年 2月 Vo1．31 No．1 Feb． 2007 JOURNALOFDAQINGPETROLEUM INSTITUTE 基于支持 向量 回归机的油 田系统预测方法 高 扬 ，刘严崴 (1．天津大学 管理学 院，天津 300072； 2．大庆油 田电力集团 计划经营部 ，黑龙江 大庆 163453) 摘 要：为克服传统预测方法的局限性 。提出一种基于支持 向量 回归机算法的油田试井系统建模和预测方法．应用 原一对偶算法 ，可解决支持向量回归机中的二次规划同题 ，而把该支持 向量 回归机应用于试井压力预测 ·结果表明：该方 法具有较高的建模和预测精度 ，建模和有验证预测的平均相对误差在 1 以内． 关 ■ 词 ：支持 向量机 ；支持向量回归机；原一对偶算法 ；建模 ；压力预测 中圈分类号 ：TP181 文献标识码 ：A 文章编号：1000—1891(2007)01—0094—03 神经网络通过学习能够逼近任意非线性 函数 ，因而非线性系统的辨识 、控制和预测研究有广泛的应 用 ．，．然而，神经 网络存在网络结构难以确定；权系数调整方法有局限性 ；容易陷入局部最优 ，过分依赖学 习样本的局面 ；收敛速度不能定量分析 ；优化 的目标 函数不是结构风险最小化准则等缺陷[2]．由此 ，笔者 提出将支持向量回归机 (SVR)用于非线性的建模和预测．SVR利用核 函数将输入空间中的非线性问题 ， 通过非线性函数映射到高维特征空间中，构造线性判别 函数 ，避免了因算法复杂度与输人向量维数密切相 关带来的不便．算法最终转化为一种凸优化问题，保证了算法的全局最优性．SVR基于结构风险最小化 准则，具有 良好的泛化能力． t 1 数学描述 非线性系统辨识 的数学描述 ：给定样本集 (。，Y。)，( ，Y)…，(，，Y，)，其中： 为系统 的输入样本 ， ∈Rd；i1，2，…，l，l为样本个数 ； 为系统 的输 出样本 ，Y ∈R．基于输入一输出样本 ，通过模型结构辨识 与参数估计，由NARMAX模型 yk+1一 f(y ，…， 卜，…， ，… ，卜，Q)+ek+1 (1) 可确定描述系统的动态关系．式中：Q为参数向量；e+。为随机噪声或模型误差； ，n分别为输 出、输入的 最大延迟；k为离散时间．引入 回归 向量 ，即 一 ( ，… ， 卜 ， ，… ， 卜) ‘， (2) 则式 (1)可表示为 yk+1一 ，( ，Q)+ek+1． (3) 系统模型辨识即确定式(3)中，(·，·)的具体形式和Q的值． 支持 向量机 (SVM)回归问题 。的数学描述 ：给定训练集 T一 {(1，Y1)，(2，Y2)，…，(，，Y，))， (4) 假定训练集是按 ×y上的某个概率分布 P(，)选取的独立 同分布的样本点，给定损失函数 c(x，Y，f r ())，试求函数，()，使得期望风险R[，()]一 Ic(x，Y，，())dP(x，)达到极小，其中P(，)是未 J 知 的． 收稿 日期 ：2006—09—21；审稿人 ：任伟建 ；编辑 ：郑丽芹