石油仪器
石油儀器
석유의기
PETROLEUM INSTRUMENTS
2009年
2期
74-77
,共4页
测井%渗透率%神经网络%遗传算法
測井%滲透率%神經網絡%遺傳算法
측정%삼투솔%신경망락%유전산법
由于储层渗透率的重要性以及复杂性,通过传统的计算方法难以得到准确的结果.人工神经网络的计算方法是一种非线性处理系统,能够根据测井数据预测储层渗透率,然而神经网络的参数以及结构设计均需要人工经验,不仅耗时,而且常常不能取得良好的结果.文章利用遗传算法,对基于误差反向传播算法的人工神经网络的隐层神经元数目、学习速率以及动量项等三个参数进行了自动优化设计,对海拉尔4口取芯井300个层位的测井数据(输入)以及测量得到的渗透率(期望输出)进行了计算和测试.结果表明经过遗传算法得到的神经网络能够得到准确的渗透率预测结果,尤其是对于渗透率较大的储层(大于10 mD).
由于儲層滲透率的重要性以及複雜性,通過傳統的計算方法難以得到準確的結果.人工神經網絡的計算方法是一種非線性處理繫統,能夠根據測井數據預測儲層滲透率,然而神經網絡的參數以及結構設計均需要人工經驗,不僅耗時,而且常常不能取得良好的結果.文章利用遺傳算法,對基于誤差反嚮傳播算法的人工神經網絡的隱層神經元數目、學習速率以及動量項等三箇參數進行瞭自動優化設計,對海拉爾4口取芯井300箇層位的測井數據(輸入)以及測量得到的滲透率(期望輸齣)進行瞭計算和測試.結果錶明經過遺傳算法得到的神經網絡能夠得到準確的滲透率預測結果,尤其是對于滲透率較大的儲層(大于10 mD).
유우저층삼투솔적중요성이급복잡성,통과전통적계산방법난이득도준학적결과.인공신경망락적계산방법시일충비선성처리계통,능구근거측정수거예측저층삼투솔,연이신경망락적삼수이급결구설계균수요인공경험,불부모시,이차상상불능취득량호적결과.문장이용유전산법,대기우오차반향전파산법적인공신경망락적은층신경원수목、학습속솔이급동량항등삼개삼수진행료자동우화설계,대해랍이4구취심정300개층위적측정수거(수입)이급측량득도적삼투솔(기망수출)진행료계산화측시.결과표명경과유전산법득도적신경망락능구득도준학적삼투솔예측결과,우기시대우삼투솔교대적저층(대우10 mD).
