1.8 Kết luận
SVM ựược ựánh giá là một hướng tiếp cận phân lớp ựạt ựộ chắnh xác cao. Hạn chế lớn nhất của SVM là tốc ựộ phân lớp chậm, tùy thuộc vào số lượng các vectơ tựa.
Mặt khác, giai ựoạn huấn luyện SVM ựòi hỏi bộ nhớ lớn, do ựó các bài toán huấn luyện với số lượng mẫu lớn sẽ gặp trở ngại trong vấn ựề lưu trữ. Dù vậy, SVM vẫn ựược ựánh giá là phương pháp học máy tiên tiến ựã ựóng góp nhiều thành công trong lĩnh vực khai phá dữ liệu và nhận dạng.
Bài toán huấn luyện SVM thực chất là bài toán quy hoạch toàn phương trên một tập lồi, do ựó SVM luôn có nghiệm toàn cục và duy nhất, ựây chắnh là ựiểm khác biệt rõ nhất giữa SVM so với phương pháp mạng nơron, vì mạng nơron vốn tồn tại nhiều ựiểm cực trị ựịa phương.
Nét ựặc trưng cơ bản nhất của SVM là việc phân lớp ựược thực hiện gián tiếp trong không gian ựặc trưng với số chiều cao hơn thông qua một hàm hạch. Do ựó, hiệu quả phân lớp của SVM phụ thuộc vào hai yếu tố: giải bài toán quy hoạch toàn phương và lựa chọn hàm hạch.
Việc giải bài toán quy hoạch toàn phương luôn ựạt ựược giải pháp tối ưu nên mọi cố gắng còn lại trong việc nghiên cứu lý thuyết SVM tập trung vào việc lựa chọn hàm hạch. Lựa chọn hàm hạch và các tham số của nó như thế nào ựể SVM phân lớp và dự ựoán tốt nhất vẫn là một bài toán mở.
Máy vectơ tựa SVM ựã và ựang ựược áp dụng nhiều vào việc giải quyết các bài toán phân loại/dự báo của một số ngành khoa học. Trong cuối chương 1 này, luận văn ựã giới thiệu phương pháp phân lớp sử dụng máy vectơ tựa SVM cho bài toán phân loại nói chung, vắ dụ trong bài toán sinh học và nhận dạng nói riêng. Các vắ dụ ựều là tiêu biểu ựược thực hiện với bộ công cụ phân loại LibSVM và Statistical Pattern Recognition Toolbox trên nền MatLab với mục ựắch giúp người dùng dễ dàng sử dụng SVM vào các ứng dụng cụ thể.
Chương 2. TRIỂN KHAI TÍNH TOÁN đỘ THẤM TRONG NGÀNH đỊA CHẤT CHẤT
Trong thực tế, SVM có rất nhiều ứng dụng trong nhiều lĩnh vực và phần cuối chương 1 ựã nêu ra hai vắ dụ tiêu biểu cho bài toán phân lớp. Tuy nhiên có một số ứng dụng chưa ựược nói ựến nhiều khi sử dụng SVM ựó chắnh là việc áp dụng hồi quy SVM trong tắnh toán/dự ựoán giá trị số.
Bài toán tắnh toán ựộ thấm trong ngành ựịa chất áp dụng hồi quy SVM sẽ ựược trình bày trong chương 2 và phần cuối cùng là kết quả ựạt ựược có so sánh với phương pháp dự ựoán sử dụng mạng nơron nhân tạo.
2.1 Dẫn nhập
Một mỏ chứa dầu khắ thường nằm sâu trong lòng ựất và là kết quả của sự biến dạng ựất ựá tạo thành các bẫy. Sau khi ựược hình thành ở các lớp ựất ựá dưới sâu hơn (ựá mẹ), dầu và khắ sẽ di chuyển dần lên phắa trên và tắch tụ lại trong các bẫy. Một mỏ dầu khắ ựược hình thành phải có 4 yếu tố chắnh: Nguồn hình thành dầu khắ; Bẫy có dạng phù hợp; đá chứa có thể tắch ựể có thể chứa và cho phép dầu và khắ di chuyển lên; Một lớp ựất ựá không thấm ựủ ựể không cho phép dầu và khắ tiếp tục di chuyển lên trên. Thời gian hình thành mỏ dầu khắ là hàng triệu năm.
Nguồn hình thành dầu và khắ chắnh là các lớp ựất ựá giàu các hợp chất hữu cơ bị chôn vùi nhanh chóng do các biến ựổi ựịa chất. Dưới tác ựộng của nhiệt ựộ và áp suất, các thành phần vật chất hữu cơ bị biến ựổi và kết quả là tạo ra dầu và khắ. Lượng dầu và khắ này sẽ ựược tách ra và di chuyển dưới tác ựộng của lực trọng trường, ựộ nhớt và lực mao dẫn. Thông thường các chất lưu này sẽ di chuyển lên phắa trên theo các hướng có ựộ thấm lớn nhất. đầu tiên, bẫy ựược hình thành và trong ựó chứa toàn nước, dầu và khắ di chuyển ựến và thay thế dần dần. Lớp ựất ựá kắn ở trên bẫy sẽ có tác dụng giữ không cho dầu và khắ tiếp tục di chuyển lên phắa trên.
Thể tắch của một bẫy ựịa chất có chứa dầu và khắ ựược gọi là vỉa chứa. đất ựá có khả năng chứa và cho phép dầu khắ chảy qua ựược gọi là ựá chứa. Trong thực tế, vỉa chứa có hình nếp uốn lồi và bên trong chứa dầu khắ và nước với các khoảng gradient áp suất khác nhau. Diện tắch bề mặt của một vỉa chứa có thể từ vài kilomet vuông ựến hàng chục kilomet vuông, chiều dày từ vài mét ựến hàng trăm mét. đá chứa chủ yếu là các loại cát, cát kết, ựá vôi và ựôlomit với các khoảng rỗng giữa các hạt hoặc do bị nứt vỡ hoặc do các hoạt ựộng hòa tan vật chất.
Quá trình khai thác dầu và khắ ựược thực hiện bằng việc khoan các giếng trong bẫy. Ban ựầu dưới tác ựộng của áp suất lớn, dầu và khắ sẽ tự phun lên bề mặt. Khi áp suất không còn ựủ lớn, người ta có thể lắp bơm vào trong giếng ựể bơm dầu lên hoặc
khoan các giếng ựể bơm ép nước biển xuống tạo áp suất. Thực tế cho thấy con người mới chỉ có thể khai thác ựược khoảng 30Ờ40% thể tắch dầu khắ nằm trong bẫy.
Nhiệm vụ của các nhà khai thác dầu khắ là tìm hiểu các tắnh chất của ựá chứa cũng như các tắnh chất của bản thân dầu khắ từ ựó ựưa ra hoạch ựịnh chiến lược quản lý, khai thác phù hợp. Trong quá trình thực hiện hàng loạt câu hỏi ựược ựặt ra [11]:
Có nên khai thác hay không?
Cần khoan ở vị trắ nào trên bề mặt của mỏ? Khoan với ựộ sâu bao nhiêu?
Cần khoan bao nhiêu giếng và kế hoạch khoan như thế nào? Sản lượng của mỗi giếng khoan khai thác như thế nào là hợp lý? Có thể nâng cao ựược hệ số thu hồi dầu mỏ hay không?
Tất cả câu hỏi trên ựược ựặt ra từ thực tế và cần ựược trả lời. Bài toán mô phỏng mỏ sẽ cung cấp Ộựầu raỢ cho các chuyên gia thêm thông tin và các thông tin ựó ựược ựánh giá ựộ tin cậy giúp cho việc trả lời câu hỏi trên thấu ựáo và khoa học. đó cũng chắnh là mục tiêu thể hiện ựộ quan trọng của bài toán mô phỏng mỏ.
2.2 Bài toán mô phỏng vỉa chứa dầu khắ [9,11]
2.2.1 Khái niAm chung v mô phTng
Sự vật và hiện tượng trong tự nhiên luôn có mối quan hệ với nhau một cách biện chứng, một bài toán ựặt ra ựể giải quyết một vấn ựề này bao giờ nó cũng có một mối quan hệ với những bài toán khác. Hình 2-1 dưới ựây là một cách mô tả bài toán mô phỏng mỏ dưới dạng một sơ ựồ hệ thống quan hệ - sơ ựồ hộp ựen [11].