[发明专利]一种新型无模型贝叶斯分类预测模型软测量方法

权利要求书

1.一种新型无模型贝叶斯分类预测模型软测量方法，其特征在于，包括：

获取油气层的气相色谱图数据；

根据曲线拟合法获取所述气相色谱图数据的特征值，以实现所述气相色谱图数据的降维和降噪；

对所述气相色谱图数据的特征值进行归一化处理，以形成测量样本；

根据预设的无模型贝叶斯分类器分类预测算法对所述测量样本对应的类别进行预测，以获得所述测量样本对应的类别；

根据所述测量样本对应的类别对所述油气层进行分析，以获得所述油气层的水淹程度和开采价值。

2.根据权利要求1所述的新型无模型贝叶斯分类预测模型软测量方法，其特征在于，所述无模型贝叶斯分类器分类预测算法如下：

p(yk|Xk)=p(Xk|yk)*p(yk)p(Xk)∝p(Xk|yk)*p(yk)p(yk)=Σj=1qφj1{yk=cj}]]>

其中p(Y＝c_j)＝φ_j,φ_j∈[0,1]，1{*}是指示函数；

所述测量样本X＝[X₁…X_N]^T，所述测量样本对应的类别为Y＝[y₁ … y_N]^Ty_k∈C＝{c₁,c₂,......,c_q}，每个测量样本X_k对应的类别为y_k。

3.根据权利要求1所述的新型无模型贝叶斯分类预测模型软测量方法，其特征在于，所述根据预设的无模型贝叶斯分类器分类预测算法对所述测量样本对应的类别进行预测的步骤之前包括：

根据贝叶斯算法形成朴素贝叶斯分类器；

根据最近邻算法形成概率估计器；

根据所述朴素贝叶斯分类器和所述概率估计器形成新型无模型贝叶斯分类器。