张志银
- 作品数：3 被引量：24H指数：2
- 供职机构：西南石油大学理学院更多>>
- 发文基金：四川省教育厅重点项目更多>>
- 相关领域：石油与天然气工程天文地球更多>>
- 基于主成分分析的离散过程神经网络水淹层动态预测方法被引量：5
- 2010年
- 提出了一种利用主成分分析和离散过程神经网络进行水淹层动态预测的方法,对测井曲线信息随油层厚度变化的离散数据进行主成分分析,减少了离散过程神经网络模型的输入参数,排除了各参数之间的相关性。引入了反映深度变化累积效应的输入参数——测井参数曲线层段的不同油层厚度。据此建立的识别模型能够反映出随含水率的上升、深度不同时测井曲线的变化规律。实例研究表明,提出的方法与BP神经网络识别方法、支持向量机方法相比较具有更快的运算速度和更高的识别精度,能够体现出高含水期水淹层的动态变化特征。
- 钟仪华李榕张志银朱海双
- 关键词：测井曲线主成分分析
- 基于主成分分析的水淹层动态预测方法被引量：1
- 2011年
- 针对高含水期水淹层变化的动态特性,提出一种基于主成分分析的最小二乘支持向量机水淹层动态预测方法.该方法应用数据挖掘方法与改进的支持向量机方法,研究高含水期水淹层的分类识别问题,找到测井参数曲线与水淹级别之间的非线性映射关系,建立适合高含水期水淹特征的动态识别模型.它不仅充分考虑各种影响因素,而且利用主成分分析法准确提取影响水淹级别划分的测井参数曲线,避免模型输入参数间存在相关性导致划分精度低以及模型求解复杂、训练速度慢的缺点.结果表明,该方法较其他方法具有更快的运算速度和更高的识别符合率,其运算速度为43s,识别符合率达到97.0%,能体现高含水油田水淹层的动态变化特征.
- 钟仪华李榕朱海双张志银
- 关键词：主成分分析最小二乘支持向量机
- 特高含水期油田产量预测新方法被引量：18
- 2011年
- 特高含水期是油田重要的开采阶段,我国东部大部分油田已经进入特高含水期,研究处于该阶段的油田产量预测问题具有重要意义。由于处于特高含水期阶段的油田一般采集到的开发指标和影响因素的样本数较小,所以基于统计学理论的常规预测方法都不太适合该阶段的产量预测。文中从数据挖掘和机器学习角度提出了油田产量预测的新方法——基于主成分分析和支持向量机(SVM)方法的油田产量预测模型。先把由影响产量的众多因素构成的高维向量通过主成分分析技术进行数据降维后作为SVM的输入,通过SVM训练得到模型,并利用遗传算法(GA)优选模型的参数建立特高含水期油田产量预测模型。与其他方法相比,该方法减少了模型输入变量的维数,提高了模型收敛的速度和预测精度,能较好地反映特高含水期油田产量的动态变化规律。
- 钟仪华张志银朱海双
- 关键词：支持向量机主成分分析遗传算法特高含水期
