科学技术与工程
科學技術與工程
과학기술여공정
SCIENCE TECHNOLOGY AND ENGINEERING
2011年
35期
8846-8850
,共5页
MATLAB%遗传算法%地球物理测井%相似度%神经网络
MATLAB%遺傳算法%地毬物理測井%相似度%神經網絡
MATLAB%유전산법%지구물리측정%상사도%신경망락
由于储层的非均匀性,传统的方法很难得到真实反映储层特性的结果.采用了遗传算法与BP神经网络相结合,利用遗传算法的全局寻优特点,优化神经网络的连接权值和阈值,从而提高网络的训练精度和预测精度.将相似度的概念引入到测井中,定义了相似度在测井中的计算公式,提出了相似度与遗传神经网络相结合的方法.根据取心井段储层物性与测井信息的关系,选取相应的测井曲线,运用MATLAB中神经网络工具箱建立神经网络模型并训练.实例研究表明,预测准确性较高,且可以有效地控制预测精度,避免了因储层差别大而造成的预测精度降低的现象.
由于儲層的非均勻性,傳統的方法很難得到真實反映儲層特性的結果.採用瞭遺傳算法與BP神經網絡相結閤,利用遺傳算法的全跼尋優特點,優化神經網絡的連接權值和閾值,從而提高網絡的訓練精度和預測精度.將相似度的概唸引入到測井中,定義瞭相似度在測井中的計算公式,提齣瞭相似度與遺傳神經網絡相結閤的方法.根據取心井段儲層物性與測井信息的關繫,選取相應的測井麯線,運用MATLAB中神經網絡工具箱建立神經網絡模型併訓練.實例研究錶明,預測準確性較高,且可以有效地控製預測精度,避免瞭因儲層差彆大而造成的預測精度降低的現象.
유우저층적비균균성,전통적방법흔난득도진실반영저층특성적결과.채용료유전산법여BP신경망락상결합,이용유전산법적전국심우특점,우화신경망락적련접권치화역치,종이제고망락적훈련정도화예측정도.장상사도적개념인입도측정중,정의료상사도재측정중적계산공식,제출료상사도여유전신경망락상결합적방법.근거취심정단저층물성여측정신식적관계,선취상응적측정곡선,운용MATLAB중신경망락공구상건립신경망락모형병훈련.실례연구표명,예측준학성교고,차가이유효지공제예측정도,피면료인저층차별대이조성적예측정도강저적현상.
