支持向量机在油藏历史拟合中的应用研究

论文摘要

油藏历史拟合是油藏数值模拟的关键环节。传统历史拟合存在成本高、效果差等问题。支持向量机是一种新的机器学习方法,它具有推广能力强、非线性和高维数等一系列优点。鉴于支持向量机与油藏历史拟合的关系,因而采用支持向量机来预测油藏历史拟合的各参数。本文首先对统计学习理论进行了概述,并详细介绍了支持向量机的回归原理和核函数方法,接着介绍了油藏历史拟合的原理、方法和步骤。然后,在此基础上通过理论分析和实际测试,建立了油藏历史拟合的支持向量回归机模型。最后,运用该模型对多组实际测试数据进行预测,并把预测所得到参数值反馈给油藏模型,将模拟产生的生产数据与油藏历史生产数据相比较。为了更准确的预测油藏四个区域的物性参数,本文提出了结合粗糙集属性约简和支持向量机回归的方法。首先用粗糙集属性约简理论对数据样本属性进行约简,选出决策属性,构成新的样本数据。然后用支持向量回归理论对数据样本进行训练,建立支持向量回归模型,并且对测试样本进行预测。最后把预测所得到参数值反馈给油藏模型,使模拟产生的生产数据与油藏历史生产数据相吻合。预测结果表明：本文采用支持向量回归机可以较为准确的预测油藏的物性参数,从而避免人工历史拟合的耗费人力物力等不足之处,提高油藏拟合的速度和准确性,执行该方法可为油藏开发提供决策依据。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 研究背景
• 1.2 国内外研究现状
• 1.2.1 支持向量机及其应用
• 1.2.2 油藏历史拟合技术
• 1.3 研究思路及技术路线
• 1.3.1 研究思路
• 1.3.2 技术路线
• 1.4 课题的目的和意义
• 1.5 本文的主要工作和结构安排
• 第二章 统计学习理论
• 2.1 引言
• 2.2 机器学习
• 2.2.1 机器学习问题的基本模型
• 2.2.2 三类典型机器学习问题
• 2.2.3 经验风险最小化
• 2.3 统计学习理论
• 2.3.1 统计学习理论的产生
• 2.3.2 VC维理论
• 2.3.3 推广性的界
• 2.3.4 结构风险最小化
• 2.4 本章小结
• 第三章 支持向量机
• 3.1 引言
• 3.2 支持向量分类机
• 3.2.1 线性支持向量分类机
• 3.2.2 非线性支持向量分类机
• 3.3 支持向量回归机
• 3.3.1 ε-支持向量回归机
• 3.3.2 v-支持向量回归机
• 3.4 核函数
• 3.4.1 核函数方法原理
• 3.4.2 核函数方法特点
• 3.4.3 核函数方法实施步骤
• 3.5 本章小结
• 第四章 油藏历史拟合原理
• 4.1 引言
• 4.2 油藏数值模拟的工作流程
• 4.3 油藏历史拟合的内容
• 4.4 油藏历史拟合的具体过程
• 4.5 自动历史拟合原理
• 4.5.1 模型的建立
• 4.5.2 问题的求解
• 4.6 历史拟合过程中参数调整的原则
• 4.7 动态预测
• 4.8 本章小结
• 第五章 利用支持向量机进行油藏历史拟合
• 5.1 引言
• 5.2 利用支持向量机进行油藏历史拟合的流程
• 5.3 数据准备和数据预处理
• 5.3.1 数据准备
• 5.3.2 数据预处理
• 5.4 系统设计
• 5.5 单个区域的油藏物性参数预测
• 5.6 四个区域的油藏物性参数预测
• 5.7 本章小结
• 第六章 结论与展望
• 致谢
• 参考文献
• 附录A 样本数据
• 附录B （攻读学位期间发表的论文）
• 详细摘要