基于SVM、ANFIS与领域知识的混合学习系统开发：DKFIS
机器学习
2016-12-05 v1 计算工程、金融与科学
应用统计
机器学习
摘要
本文提出基于支持向量机（SVM）、自适应神经模糊推理系统（ANFIS）和领域知识的混合学习系统开发，以解决预测问题。所提出的两阶段基于领域知识的模糊信息系统（DKFIS）提高了仅由ANFIS达到的预测精度。所提框架已在从印度西部一处油气田获取的含噪声且不完整的数据集上实现。此处，根据四种不同的测井曲线（即自然伽马、电阻率、密度和黏土体积）预测含油饱和度。在第一阶段，根据零或近零与非零含油饱和度水平，使用SVM将输入向量分类为两类（0类和1类）。分类结果通过基于预测变量（即测井曲线）与目标变量——含油饱和度之间关系的专家知识进一步微调。其次，设计ANFIS从预测性测井曲线预测非零（1类）含油饱和度值。预测输出进一步基于专家知识精炼。实验结果表明，各阶段专家带有定性判断的干预使预测落入可行且现实的范围。基于四个性能指标（如相关系数（CC）、均方根误差（RMSE）、平均绝对误差（AEM）、散度指数（SI））的预测性能分析确证了DKFIS作为储层表征有用工具的地位。
引用
@article{arxiv.1612.00585,
title = {Development of a hybrid learning system based on SVM, ANFIS and domain knowledge: DKFIS},
author = {Soumi Chaki and Aurobinda Routray and William K. Mohanty and Mamata Jenamani},
journal= {arXiv preprint arXiv:1612.00585},
year = {2016}
}
备注
6 pages, 5 figures, 3tables Presented at Indicon 2015