摘要: 鉴于试验确定深部岩层可钻性指标成本很高,而且测井信息神经网络模型往往存在过学习问题,利用遵循结构风险最小化的统计学习理论工具——支持向量机(SVM)建立可钻性预测模型,通过支持向量机对样本的学习,建立岩层可钻性与诸多测井信息的复杂非线性映射.为解决支持向量机参数选取问题,引入全局优化算法——差异进化算法(DE),建立DE-SVM的进化模型,进一步提高模型预测精度.算例表明,差异进化算法收敛快速,该方法预测精度高于传统方法,对新井钻头选型和钻速确定有重要意义.
中图分类号:
邢军;姜谙男;邱景平;孙晓刚;. 基于DE-SVM的岩层可钻性预测研究[J]. 东北大学学报(自然科学版), 2010, 31(9): 1345-1348.
Xing, Jun (1); Jiang, An-Nan (2); Qiu, Jing-Ping (1); Sun, Xiao-Gang (1) . On the DE-SVM-based forecast of rock stratum drillability[J]. Journal of Northeastern University, 2010, 31(9): 1345-1348.