物探化探计算技术
物探化探計算技術
물탐화탐계산기술
COMPUTING TECHNIQUES FOR GEOPHYSICAL AND GEOCHEMICAL EXPLORATION
2009年
3期
213-217
,共5页
罗鑫%匡建超%瞿子易%曾剑毅
囉鑫%劻建超%瞿子易%曾劍毅
라흠%광건초%구자역%증검의
缝洞型储层%粒子群优化算法%小波神经网络%储层识别
縫洞型儲層%粒子群優化算法%小波神經網絡%儲層識彆
봉동형저층%입자군우화산법%소파신경망락%저층식별
针对缝洞型储层识别精度较低这一难题,提出了基于粒子群优化算法的小波神经网络(PSO-WNN)储层识别模型.以小波函数作为隐含层的激励函数,采用粒子群优化算法,对权值、伸缩参数、平移参数进行调整,构建出基于粒子群优化算法的小波神经网络储层识别模型.该模型具有算法简单、结构稳定、计算收敛速度快、全局寻优能力强、识别精度高、泛化能力强的优点.这里以济阳坳陷桩西埕岛地区古生界潜山缝洞型储层识别为例,利用常规测井参数作为模型的输入参数,以储层类型赋值作为输出,选取九口井的108个已知样本,采用不同隐含层个数对模型进行多次训练.通过对比分析,最终确定隐含层个数为10,建立起该区的Ⅰ类、Ⅱ类、Ⅲ类储层识别模型.利用已建模型对十八个检验样本进行识别,其识别正确率高达100%, 而BP神经网络识别正确率为88%.这表明该模型对缝洞型储层的识别效果较好,为缝洞型储层的进一步研究提供了可靠的依据.
針對縫洞型儲層識彆精度較低這一難題,提齣瞭基于粒子群優化算法的小波神經網絡(PSO-WNN)儲層識彆模型.以小波函數作為隱含層的激勵函數,採用粒子群優化算法,對權值、伸縮參數、平移參數進行調整,構建齣基于粒子群優化算法的小波神經網絡儲層識彆模型.該模型具有算法簡單、結構穩定、計算收斂速度快、全跼尋優能力彊、識彆精度高、汎化能力彊的優點.這裏以濟暘坳陷樁西埕島地區古生界潛山縫洞型儲層識彆為例,利用常規測井參數作為模型的輸入參數,以儲層類型賦值作為輸齣,選取九口井的108箇已知樣本,採用不同隱含層箇數對模型進行多次訓練.通過對比分析,最終確定隱含層箇數為10,建立起該區的Ⅰ類、Ⅱ類、Ⅲ類儲層識彆模型.利用已建模型對十八箇檢驗樣本進行識彆,其識彆正確率高達100%, 而BP神經網絡識彆正確率為88%.這錶明該模型對縫洞型儲層的識彆效果較好,為縫洞型儲層的進一步研究提供瞭可靠的依據.
침대봉동형저층식별정도교저저일난제,제출료기우입자군우화산법적소파신경망락(PSO-WNN)저층식별모형.이소파함수작위은함층적격려함수,채용입자군우화산법,대권치、신축삼수、평이삼수진행조정,구건출기우입자군우화산법적소파신경망락저층식별모형.해모형구유산법간단、결구은정、계산수렴속도쾌、전국심우능력강、식별정도고、범화능력강적우점.저리이제양요함장서정도지구고생계잠산봉동형저층식별위례,이용상규측정삼수작위모형적수입삼수,이저층류형부치작위수출,선취구구정적108개이지양본,채용불동은함층개수대모형진행다차훈련.통과대비분석,최종학정은함층개수위10,건립기해구적Ⅰ류、Ⅱ류、Ⅲ류저층식별모형.이용이건모형대십팔개검험양본진행식별,기식별정학솔고체100%, 이BP신경망락식별정학솔위88%.저표명해모형대봉동형저층적식별효과교호,위봉동형저층적진일보연구제공료가고적의거.
