传统的储层参数预测方法有很多,比如经验公式、回归分析等,其中大部分方法都是基于线性的、单变量的；而地质参数具有数量多、维数高,且存在较大随机性和不确定性等特点,所以常规储层预测方法已不能满足油藏生产需要。近年来,支持向量机(SVM)已成为统计学习理论的研究热点。它是一种建立数据模型的方法,通过使用核函数,隐式地将数据映射到高维特征空间,从而将非线性问题转换为线性问题予以解决。这种核映射关系为大部分模型结构提供了统一的框架,其解最终归于一个有约束的凸二次规划问题,在很大程度上解决了过学习、非线性、维数灾难、局部极小点等问题。结合支持向量机所凸显出来的优点和石油地质勘探的实际问题进行分析研究,本文拟在现有储层参数预测研究与评价技术基础之上,利用支持向量回归模型分析测井数据进行储层物性参数(渗透率、孔隙度)预测,采用了非线性支持向量机测井储层反演技术。文中详细介绍了支持向量机用于测井储层反演的全过程以及使用到的关键技术,即使用交会图与主成分分析(PCA)进行测井样本的优选、利用粒子群优化(PSO)对模型参数寻优、预测模型的学习和表示等。最后根据所研究区域的地质特点,将该预测模型对研究区内5口井的实际测井参数进行井间储层物性参数预测,同时与神经网络以及核向量机进行预测结果对比。结果表明,该方法预测精度高,模型稳定且有效,能够在一定范围和条件下对目标油区其他井进行测试使用。