基于GEP的支持向量机参数优化

支持向量机(SVM)具有优良的学习能力和推广能力,然而其性能依赖于参数的选取.本文对影响模型分类能力的相关参数(C、σ2)进行了研究,提出了一种基于基因表达式编程(Gene Expression Programming,GEP)的支持向量机参数选择算法,即根据参数在分类器中的作用,利用GEP优化参数的两种编码方案分别对C与σ2进行编码,期望改进支持向量机的分类精度和泛化能力.最后实验表明了本文算法的有效性.     

基于支持向量机故障分类器的参数优化研究

针对基于支持向量机故障分类器的参数优化问题，讨论了以半径-间距上界(RM界)最小化为目标的支持向量机参数优化的原理，提出了一种简化算法．针对梯度下降算法计算复杂和在梯度无法求出时不能实现优化的不足，简化算法不需计算梯度，而是利用固定的迭代步长来实现核函数一个参数的优化．依据简化算法实现了二分类故障分类器的参数优化，并应用于汽轮发电机组的蒸汽激励和轴瓦松动故障的分类器中．测试结果表明，通过参数优化可提高故障分类器的分类能力．     

基于蚁群算法的支持向量机参数优化

针对支持向量机的参数对分类性能的影响,探讨了基于蚁群算法的支持向量机参数优化方法,建立了支持向量机参数优化模型,给出了基于网格划分策略的连续蚁群算法,并将其用于优化模型求解,通过对支持向量机的惩罚因子和径向基核函数进行优化,使支持向量机的分类性能最优.通过仿真和应用实例,验证了方法的有效性,得到了95%以上的分类正确率.     

基于支持向量机的结霜过程特性参数预测模型

为解决结霜过程中有明显的非线性和时变性特征及测试数据中受噪声干扰较大、特性参数预测效果较差的难题,引入了基于结构风险最小化的支持向量机方法,建立了以热力参数集、时间、空间等为特征向量的预测模型.应用实验数据对模型进行了验证和评估,并与基于最小二乘法的预测模型进行了对比分析.结果表明,基于支持向量机的预测模型具有良好预测性能、非线性逼近能力和抗噪声干扰能力.     

蒸汽吞吐井流入动态研究

根据蒸汽吞吐井的生产特征,建立了广义注入动态的合理性边界条件,确定了其涵盖性特征。以油藏数值模拟为手段,对蒸汽吞吐井弹性开采过程中注汽的敏感属于 进行了分析,结果表明周期注汽量,蒸汽干度和采液速度是影响蒸汽吞吐效果的主要因素。     

基于蝙蝠算法的支持向量机参数优化

目的针对支持向量机(support vector machine,SVM)的参数选择的重要性,研究一种新的参数优化方法。方法介于蝙蝠算法的模型简单、全局搜索能力强等特点。本文提出基于蝙蝠算法(BA)的SVM参数优化方法,对SVM的惩罚参数和核参数进行优化。结果通过8个UCI标准数据库集的Matlab仿真实验,验证了算法的有效性和可靠性。结论本文方法搜索的最优参数较大地提高了SVM的分类精度,加强了SVM的学习和泛化能力,是一种有效及稳定的支持向量机参数优化方法。     

基于和声搜索算法的支持向量机参数优化

支持向量机是建立在统计学理论基础上,以结构风险最小为原则的一种机器学习算法,能够很好地解决小样本、高维数、非线性等问题,被广泛地应用于模式识别、函数估计及回归预测等领域.但是支持向量机性能的高低往往取决于其相关参数的正确选择.为提高优化参数的精度及效率,利用和声搜索算法的全局寻优能力,对支持向量机的惩罚参数及核参数进行优化选择.通过4个标准UCI数据集的仿真实验,结果表明本算法不仅减少了搜索时间,而且所获得的参数能大幅提高支持向量机的性能和预测精度,提高了泛化能力.     

改进麻雀搜索算法优化支持向量机的井漏预测

在钻井过程中,受地质环境、钻井技术等多种因素的影响,容易发生井漏事故。为预防井漏事故,减少因钻井事故带来的损失,提出了一种改进麻雀搜索算法(improved sparrow search algorithm, ISSA)优化支持向量机的井漏预测方法。首先,在发现者位置更新公式中引入一种改进的自适应非线性惯性递减权重,提高算法全局搜索能力;其次,在警戒者位置更新公式中引入莱维(Levy)飞行策略,减少算法陷入局部最优的风险。为验证改进算法的寻优能力,将麻雀搜索算法(sparrow search algorithm, SSA)、遗传算法(genetic algorithm, GA)、灰狼算法(grey wolf algorithm, GWO)以及改进的麻雀搜索算法(ISSA)在8个基准测试函数上做了对比实验。实验结果表明,改进的麻雀搜索算法(ISSA)在寻优精度、稳定性等方面都较其他算法更为优异。最后,将改进的麻雀搜索算法用于优化支持向量机(ISSA-SVM)的惩罚参数C和核参数g,进行井漏事故的预测。结果表明,ISSA-SVM预测准确率为97.765 4%,相比于麻雀算法(SSA)-SV...     

基于小生境遗传算法的支持向量机分类器参数优化

该文在建立支持向量机分类器分类性能评价函数基础上,分析了支持向量机参数对分类性能的影响,提出了一种基于共享函数小生境遗传算法的支持向量机分类器参数优化方法.该方法利用支持向量机分类性能评价函数评价支持向量机的分类性能,评价函数的倒数作为适应度值,每两个个体之间的海明距离作为共享函数,实现小生境遗传算法.将该文提出的方法应用于5个由Gunna Ratsch收集的标准模式库,实验结果表明由该方法所得参数确定的SVM分类器具有较高的识别率和较简单的结构.     

支持向量机的凸优化求解

支持向量机(SVM)是一种基于统计学习理论的机器学习方法,由于其优越的学习性能,已经成为当前模式识别、数据挖掘、大数据处理等机器学习领域的研究热点.查阅相关同类文章,发现其中对SVM理论中公式,如距离函数d、拉格朗日函数L(w,b,α)、二次凸优化函数f(x)等的来龙去脉缺少细致的阐述.本文对SVM理论中典型的线性最优二分类问题的求解进行了完整的推导,并给出了对岩屑岩性分类识别的结果,也为今后的非线性多类模式分解作出铺垫.     

化学剂吞吐与油井堵水的结合技术

提出了一项将化学剂吞吐与油井堵水相结合的新技术。该结合技术由吞吐剂技术、油井堵剂技术和工作液注入技术组成。其核心是先后向地层注入吞吐剂和油井堵水剂 ,使后者将前者封存在高渗透层中 ,随后前者被沿高渗透层迫近油井的水 (注入水、边水等 )带至含油饱和度较高的中、低渗透层将油驱出 ,从而达到提高油井产量并降低产液中含水率的目的。介绍了工作液配方的确定、用量计算、注入顺序和将工作液过顶替入地层等技术步骤。该项技术已在濮城油田S下1油藏的油井成功地进行了试验 ,证实了该结合技术的可行性。     

单井注干气吞吐技术在柯克亚凝析气田的应用

应用数值模拟技术,研究地层中反凝析液饱和度的变化规律和注干气吞吐技术的开发效果。研究表明,反凝析液主要聚集在井筒附近地层中,饱和度最高可达17%;通过注干气吞吐技术,可以把井筒附近地层中的反凝析液部分“反蒸发”或挤往远处地层,改善近井地带地层渗流能力而增产。柯克亚凝析气田已经作了8井次的注干气吞吐试验,其中7井次见到明显效果。矿场试验结果表明,应用注干气吞吐技术可有效解决近井地带的反凝析污染、提高或恢复单井产能。对改善凝析气藏的开发效果具有重要意义。     

复杂结构井蒸汽吞吐影响因素及优化研究

利用复杂结构井技术开发稠油油藏,可提高稠油油藏的动用程度,注汽开采时优势更明显,可有效增加波及范围,从而大幅度提高采收率。目前对复杂结构井产能预测模型的研究远落后于矿场实际应用,预测结果与实际生产效果出入较大,尤其是对复杂结构井注蒸汽热采,考虑多因素条件下很难求得解析解。根据某油田已实施的多口复杂结构井蒸汽吞吐实际数据,利用灰色关联方法,以初期产能作为参考序列,油层厚度、渗透率、复杂结构井长度、井距、夹角、注汽参数等作为比较序列,最终依据关联度计算公式得到不同影响因素的关联度,并对复杂结构井开发效果的影响因素及其程度进行评价,得出影响复杂结构井蒸汽吞吐效果的主控因素,并针对主控因素进行了优化研究,为稠油油藏利用复杂结构井进行蒸汽吞吐开采提供了必要的技术参考依据。     

基于支持向量机的图像检索主动学习方法

为解决基于内容的图像检索中训练集样本过小问题,本文提出一种结合相关反馈和支持向量机的主动学习算法,首先计算未标注样本到分类超平面的距离以及与当前训练集中样本的余弦距离和,然后取具有总的最大余弦距离同时到超平面距离最短的样本加入训练集,通过增加最具信息的样本到训练集,使得分类器可通过少量反馈次数而快速达到较高的准确性.试验表明,本文算法能有效提高分类器的分类精度和泛化能力,在减少评价样本数量的前提下,可快速收敛于用户定义的目标查询概念.     

稠油油藏注蒸汽井筒配汽数学模型研究

针对注蒸汽热力采油注汽阶段的特点,在借鉴前人研究成果的基础上,考虑流体相变和油层吸汽不均匀等因素,应用井筒多相流原理,建立了井筒配汽数学模型。在此基础上,应用实测资料对建立的配汽模型进行了验证。结果表明,实测值和计算值吻合较好,说明建立的井筒配汽模型能够较准确的解释注汽井的吸汽状况,从而反映井筒－油藏动态耦合规律。对目前注蒸汽热力采油过程的注汽动态具有很好的指导意义。     

利用支持向量机方法预测储层产能

支持向量机方法(SVM)是基于结构风险最小化原理,采用核函数处理技术,较好的适应小样本、非线性和局部极小点等实际问题,克服了常规统计方法的局限性,避免了维数灾难。能够在有限的样本集基础上,兼顾模型的通用性和推广性,有效解决了学习性和延拓性的问题,预测精度更高。实际生产中影响储层产能因素众多,各因素间相互影响,在综合考虑地层因素的基础上,提取了测井产能预测参数,利用支持向量机方法对产能进行了预测,预测结果与实际一致,并将处理结果与多元回归及BP神经网络处理结果进行了对比分析。实践表明支持向量机方法优于后两种方法,是一种值得推广使用的方法。     

小断块油藏CO2单井吞吐强化采油可行性研究

受多断层切割的复杂断块油藏,所形成的众多小断块单元油藏井间连通性差、边界封闭、地层能量有限、开采中地层能量下降快、难以采用早期注水等方式大规模开采。而采用CO₂吞吐强化采油方式对此类油藏可能是一种有效的方法。为此,针时复杂小断块低能量油藏单元的地质开发特征,在对油井目前地层流体进行相态分析基础上,通过CO₂油藏流体膨胀实验,确定CO₂吞吐的驱替机理,再通过CO₂吞吐长岩心驱替实验确定CO₂吞吐增产原油的程度和时效性。然后建立了针时实际小断块单元油藏单井CO:吞吐的地质和数值模拟模型,在对注气前油井生产动态进行历史拟合基础上,时CO₂吞吐强化采油过程中的工艺操作参数进行了敏感性分析,重点讨论注气时机和周期注入量对小断块单元油藏增产效果的影响,分析末同注气时机CO₂吞吐前后近井地层原油饱和度和压力分布变化规律。从而得出适合于小断块单元油藏CO₂单井吞吐强化采油的有效时机和最佳操作参数选择,为小断块单元油藏实施CO₂吞吐强化采油可行性方案设计提供了系统的室内综合评价方法。     

基于1类支持向量机的入侵检测模型研究

入侵检测由于其在网络安全中的重要地位得到迅速发展,同时也对其提出更高的要求．SVM由于其优良的泛化性能,近几年来得到很好的发展和利用．本文在对入侵检测技术和SVM的研究基础上提出了基于1类支持向量机的入侵检测模型．     

食品比热容的支持向量回归预测

利用粒子群优化算法和支持向量回归方法建立不同食品的比热容与其水、蛋白质、碳水化合物和脂肪等含量间的预测模型,且在相同的训练样本和测试样本条件下,该预测模型的食品比热容预测精度高于反向传播神经网络模型,具有更强的泛化能力。结果表明：该预测模型能有效地预测食品比热容。     

基于测井资料的低孔低渗储层产能预测研究

针对低孔低渗储层产能预测模型受敏感因素影响大,主次因素在低产情况下区别不明显,产能预测评价相对较困难等实际问题,以准噶尔盆地夏子街地区夏77井、夏79井为例,开展低孔低渗储层产能预测的前期试验研究,对多个产能预测模型及其适用条件进行了对比分析,从Darcy模型、Jones（1976）模型、Vogel/Harrison（1968）模型、裂缝模型中进行优选和调试。通过分析产能预测模型结果与测试结果在产量上的相关性,表明基于测井资料的预测结果与试油测试结果相当吻合,从而确认产能预测模型结果的可靠性。