排序方式: 共有2条查询结果,搜索用时 0 毫秒
1
1.
将偏最小二乘回归(PLS)与神经网络(NN)耦合,建立了储层参数预报模型。利用偏最小二乘对影响储层参数的诸多因素进行分析,提取对因变量影响强的成分,从而克服了变量间的多重相关性问题,降低了神经网络的输入维数;同时,利用神经网络建模可以较好地解决非线性的储层参数预测问题。计算实例表明,本耦合模型的拟合和预报精度优于独立使用神经网络模型的精度。 相似文献
2.
该文提出结合粗糙集(RS)和最小二乘支持向量回归(LS-SVR)的方法。该方法利用RS对原始数据进行约简,更好地减少了支持向量的维数;同时采用LS-SVR解决了常规SVM计算速度幔、抗噪能力差的缺点。实例证明该方法应用在复杂地层储层参数预测中具有优越性。 相似文献
1