基于统计学习理论的提高采收率潜力预测

作     者：侯健 乐友喜 王才经 陈月明 贾国通 HOU Jian~1, YUE You-xi~2, WANG Cai-jing~3, CHEN Yue-ming~1, JIA Guo-tong~4(1.College of Petroleum Engineering in the University of Petroleum, China, Dongying 257061, China;2.Faculty of Geo-Resource and Information in the University of Petroleum, China, Dongying 257061, China;3.College of Mathematics and Computation Science in the University of Petroleum, China, Dongying 257061, China;4.Research Institute of Petroleum Exploration and Development, Jidong Oilfield Company, Tangshan 063004, China)

作者机构：石油大学石油工程学院山东东营257061 石油大学地球资源与信息学院山东东营257061 石油大学数学与计算科学学院山东东营257061 中石油冀东油田分公司勘探开发研究院河北唐山063004 

出 版 物：《石油大学学报（自然科学版）》 (Journal of the University of Petroleum,China(Edition of Natural Science))

年 卷 期：2004年第28卷第4期

页      面：67-70页

核心收录：

学科分类：0820[工学-石油与天然气工程] 12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 081104[工学-模式识别与智能系统] 08[工学] 0835[工学-软件工程] 082002[工学-油气田开发工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金(10302021) 石油大学博士科研基金(Y020229) 

主　　题：统计学习理论 支持向量机 推广性 测试集 BP神经网络 通用性 模型 提高采收率 潜力分析 改进型 

摘      要：将近年来在统计理论方面的最新研究成果引入到提高采收率潜力分析中,对自组织、改进型BP神经网络、支持向量机3种方法在提高采收率潜力预测中的应用进行了探讨。3种方法的对比研究表明,在所用样本较少的条件下,支持向量机方法能够兼顾模型的通用性和推广性,即由有效的训练集样本得到的小的误差能够保证对独立的测试集的误差仍保持较小,该方法具有较好的应用前景。