论文部分内容阅读
支持向量机（SVM）算法是特别适合于用有限已知样本训练建模，进而预报未知样本属性的模式识别新算法。本文旨在尝试将Vapnik提出的支持向量机算法用于水淹层测井识别。本文总结了P油田水淹层的声波时差、自然电位、深感应电阻率、中感应电阻率及密度测井曲线与水淹程度的对应关系，建立了基于支持向量分类机的识别模型，并将上述参数作为训练样本的输入。油气特征作为训练样本的输出，对支持向量机进行训练。对于P油田水淹层的实际预测结果表明：支持向量机可以成为一种用于水淹层识别的有效工具。