%A 郑静静, 王延光, 杜磊, 印兴耀, 张广智 %T 基于概率核主成分分析的属性优化方法及其应用 %0 Journal Article %D 2014 %J 石油地球物理勘探 %R %P 567-571 %V 49 %N 3 %U {http://www.ogp-cn.com/CN/abstract/article_1456.shtml} %8 2014-06-15 %X 主成分分析(PCA)是最常用的属性优化分析技术,但存在缺少概率模型和缺失高阶统计量信息的不足。本文基于贝叶斯理论和核主成分分析(KPCA)法,研究了可同时克服PCA两个缺点的方法——概率核主成分分析(PKPCA)。即首先将样本数据映射到高维特征空间,继而在特征空间定义数据的概率模型,最后应用期望最大(EM)估计最佳结果。该方法兼具概率分析和核主成分分析的优点,能有效地适应更复杂储层情况,实现非线性概率分析。实际数据的应用结果表明,基于贝叶斯理论的属性概率优化法提高了属性优化的精度,同时增强了储层预测的准确性和可靠性。