基于贝叶斯证据框架下SVM的油层识别模型研究

作者：夏莘媛 戴静 潘用科 韩扬支持向量机油层识别贝叶斯证据框架

摘要：支持向量机（support vector machine,SVM）方法在石油测井领域的油层识别中取得了很好的应用效果,但SVM方法的识别效果受到惩罚参数和核参数的影响,不同的参数组合直接影响识别精度的优劣。为了在油层识别中获得更好的识别效果,提出一种基于贝叶斯证据框架下SVM的油层识别模型,即根据测井数据的训练样本信息,采用贝叶斯证据框架的理论求解惩罚参数以及核参数,再通过所求得的决策函数对测井数据的测试样本进行识别。实际测井数据实验表明,基于贝叶斯证据框架下SVM的油层识别模型的油层识别效果得到提高,优于传统SVM方法和基于粒子群优化算法（particle swarm optimization,PSO）的SVM方法。

注：因版权方要求，不能公开全文，如需全文，请咨询杂志社