欢迎使用InfoSci平台
参考中心2
最小二乘支持向量机在油气田产量预测中的应用

最小二乘支持向量机在油气田产量预测中的应用

彭军、乔玉登、唐德东、兰戈、夏秦峰、陈婷婷
版权：© 2018|体积：12|问题：1|页：15
国际标准编号：1557-3958|EISSN公司：1557-3966|EISBN13：9781522543022|内政部：10.4018/IJCINI.2018010105
引用文章引用文章

MLA公司

Peng，Jun等人，“油气田产量预测的最小二乘支持向量机”IJCINI公司2018年第1期第12卷：第60-74页。http://doi.org/10.4018/IJCINI.2018010105

亚太地区

Peng，J.，Qiao，Y.，Tang，D.，Ge，L.，Xia，Q.，&Chen，T.（2018）。最小二乘支持向量机在油气田产量预测中的应用。国际认知信息学与自然智能杂志（IJCINI），12(1), 60-74. http://doi.org/10.4018/IJCINI.2018010105

芝加哥

Peng，Jun等，“油气田产量预测的最小二乘支持向量机”国际认知信息学与自然智能杂志（IJCINI）12，编号：60-74。http://doi.org/10.4018/IJCINI.2018010105

导出参考

门德利
最喜欢的完整发布下载

摘要

随着认知信息技术的发展和不断应用，人类社会也加快了发展。认知信息广泛应用于石油和天然气领域，其中产量预测对企业和公司至关重要。本文将支持向量机与最小二乘支持向量机（LS-SVM）和粒子群优化算法相结合进行研究，以准确预测并做出误差估计。本文应用该模型对某企业往年的实际产出数据进行了验证。结果表明，该模型具有良好的收敛性、较高的预测精度和训练速度，能够更准确地预测其输出。本文采用的方法是认知信息技术的发展，作者有理由相信，随着认知信息技术不断发展，我们的社会将会有突破。

请求访问权限

您不拥有此内容。请登录向您所在机构的图书管理员推荐此标题，或从IGI全球书店.

用户名或电子邮件：


密码：


登录


创建个人帐户