SVM参数优化及其在储集层评价中的应用研究

支持向量机(SVM)是储集层含油性评价的一个有效工具,SVM参数的选择直接影响了模型的效果.论文研究了SVM参数选择对储集层含油性评价的影响,并给出了SVM模型参数的优化机制.我们收集了两个测并数据集,利用K-交叉验证和网格搜索找到了最佳的支持向量机参数,并比较了不同核函数的分类性能.实验结果表明,核函数的类型对分类效果影响最大,多项式(Polynomial)的分类效果最好.