基于统计学习理论的提高采收率潜力预测

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。     

用Monte Carlo方法预测区带资源量

对目前常用的油藏资源量预测模型进行了分析 ,认为在发现过程模型没有给出求解某些未知数的方法 ,在实际应用中只凭经验或主观猜测会使预测结果产生误差 ,而且也增加了问题的复杂性。利用MonteCarlo法模拟生成油藏发现序列进而预测区带的资源量 ,可以克服传统的发现过程法在理论上的欠缺和在应用上的主观随意性。利用两个计算实例证实了本方法的可靠性 ,提高了观测数据的利用率 ,使算法更加合理、实用。     

函数图像分形维数的计算方法

分析了有限离散采样点的函数图像（如地震曲线、测井曲线等）分数维的计算方法，根据平面图形盒子维算法思想，提出了一种适合于计算函数图像分数维的盒子维算法，这种方法快速、准确，并在实际中得到了应用。     

基于统计学习理论的提高采收率潜力预测

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。