应用支持向量机方法预测聚合物驱参数.pdfVIP

维普资讯 石 油 勘 探 与 开 发 122 2004年 6月 PETROLEUM EXPLORATION ANDDEVELOPMENT Vo1．31 No．3 文章编号 ：1000—0747(2004)03—0122—03 应用支持向量机方法预测聚合物驱参数 乐友喜 ，刘雯林 (1．石油大学(华东)地球资源与信息学院；2．中国石油勘探开发研究院) 摘要：根据矿场观测资料计算残余阻力系数是聚合物驱实施效果评价中的重要内容。影响残余阻力系数的因素很多，关 系非常复杂，常规方法难以建立准确、适用的预测模型。针对预测聚合物驱参数中存在的I~-I题，引入非线性函数拟合的支 持向量机方法，采用正则化解法，解决了油藏工程中寻求残余阻力系数预测模型的问题。计算实例证明，该方法是求复杂 非线性拟合函数的一种非常有效的技术。图1表 1参 8 关键词 ：支持向量机；神经网络；非线性函数拟舍；聚合物驱 中图分类号：TE357．46 文献标识码 ：A 0引言 Y一∑ K(z，z』)+b。 i一1，…，L (3) 根据样本数据进行非线性函数拟合的研究直到近 而 几年才有突破性的进展。其困难在于：要求有不依赖 6。一丢一喜i=1弘一骞f—1l丢—『喜—1Kc ]lc4 于非线性函数形式的通用方法；要求不仅具有一定的 拟合精度，而且具有推广性。Rumelhart提出的神经网 络 BP算法口能以任意拟合精度拟合任何非线性函数， 一 一 圭喜 一 一圭喜 z， 但 由于采用梯度算法实现，常常产生局部极小问题，且 )，f一 ( ，…， )，F一 (1，…，L)，A一 ( )L×L， 网络结构与样本数据的多少及性质有关，容易出现过 则(2)式成为 学习现象，严重损害推广性。 Af—F (5) 近几年随着统计学习理论的不断发展和成熟，产 用最小二乘法求(5)式的解，即由 生了一种新的通用学习方法——支持向量机 2【]，该方 min10A，一FIl一 1(A，一F)(Af—F) 法适用于拟合各种非线性函数关系，它从总样本中挑 选少量具有代表性的样本 (即所谓支持向量)构成拟合 得 函数，进行非线性函数拟合，比较完满地解决了通用性 和推广性的问题 。 (1IIA，一FII)一aTaf—aTF—o 聚合物驱参数预测的方法研究中需要根据聚合物 于是 的特性黏数、浓度以及地层水相渗透率与残余阻力系 f一 (AA) AF (6) 数的实验数据求R 一厂(，C，K )的预测模型 ，本 通常AA是病态矩阵，有时不存在逆矩阵，即使能 模型非常复杂，不能利用常规方法求解，然而使用支持 求出．厂，只要F或A少许变化，．厂将产生巨大的变化，因 向量机方法轻易地就获得了满意的结果。 此，用预测模型(2)式算出的y(x+￡)远离Yj，这种关 1支持向量机方法原理 系除了样本集外都不适用，即不具有推广性。为了从