摘要: 支持向量机(SVM)是近年来发展起来的一种通用的机器学习方法,在小样本数据的拟合中已获得了很好的效果。采用新型的支持向量机——最小二乘支持向量机(LS-SVM)对孔隙度、渗透率和饱和度进行了预测,获得了满意的结果。该方法易于使用,很少受不确定性因素的影响,并具有较强的信息整合能力以及更高的预测准确性。
陈 华,邓少贵,范宜仁. 基于LS-SVM的测井物性参数的预测方法[J]. 计算机工程与应用, 2007, 43(23): 208-210.
CHEN Hua,DENG Shao-gui,FAN Yi-ren . Forecast method of logging physical property parameters based on LS-SVM[J]. Computer Engineering and Applications, 2007, 43(23): 208-210.