内蒙古石油化工
內矇古石油化工
내몽고석유화공
INNER MONGULIA PETROCHEMICAL INDUSTRY
2008年
8期
12-14
,共3页
BP神经网络%孔隙度%渗透率%测井解释模型%镇原区块
BP神經網絡%孔隙度%滲透率%測井解釋模型%鎮原區塊
BP신경망락%공극도%삼투솔%측정해석모형%진원구괴
与传统的数理统计方法对储层物性参数(孔隙度和渗透率)预测相比,BP神经网络由于高度非线性映射能力及极强的自适应和自学习能力,可以更精确地预测储层物性参数.通过建立储层参数与测井信息之间的解释模型,运用BP神经网络的基本原理,对镇原区块延长组长81小层的储层参数进行预测,并对其精度进行检验,检验结果表明,BP神经网络方法对储层参数的预测较常规数理统计方法(多元回归)有较大的提高,显示出BP神经网络在储层参数预测中的优势和潜力.通过由此建立的解释模型,用BP神经网络对该区储层参数进行预测.
與傳統的數理統計方法對儲層物性參數(孔隙度和滲透率)預測相比,BP神經網絡由于高度非線性映射能力及極彊的自適應和自學習能力,可以更精確地預測儲層物性參數.通過建立儲層參數與測井信息之間的解釋模型,運用BP神經網絡的基本原理,對鎮原區塊延長組長81小層的儲層參數進行預測,併對其精度進行檢驗,檢驗結果錶明,BP神經網絡方法對儲層參數的預測較常規數理統計方法(多元迴歸)有較大的提高,顯示齣BP神經網絡在儲層參數預測中的優勢和潛力.通過由此建立的解釋模型,用BP神經網絡對該區儲層參數進行預測.
여전통적수리통계방법대저층물성삼수(공극도화삼투솔)예측상비,BP신경망락유우고도비선성영사능력급겁강적자괄응화자학습능력,가이경정학지예측저층물성삼수.통과건립저층삼수여측정신식지간적해석모형,운용BP신경망락적기본원리,대진원구괴연장조장81소층적저층삼수진행예측,병대기정도진행검험,검험결과표명,BP신경망락방법대저층삼수적예측교상규수리통계방법(다원회귀)유교대적제고,현시출BP신경망락재저층삼수예측중적우세화잠력.통과유차건립적해석모형,용BP신경망락대해구저층삼수진행예측.
