测井技术
測井技術
측정기술
WELL LOGGING TECHNOLOGY
2012年
6期
585-589
,共5页
李虎%范宜仁%丛云海%胡云云%刘智中
李虎%範宜仁%叢雲海%鬍雲雲%劉智中
리호%범의인%총운해%호운운%류지중
测井评价%模拟退火%差分进化%神经网络%目标函数%储层物性预测
測井評價%模擬退火%差分進化%神經網絡%目標函數%儲層物性預測
측정평개%모의퇴화%차분진화%신경망락%목표함수%저층물성예측
为准确计算孔隙度、渗透率等储层物性参数,结合模拟退火和差分进化算法的主要优点,提出一种改进的模拟退火差分进化(SADE)算法,将复杂储层物性预测过程中神经网络权值的训练转化为无约束优化问题,并建立新目标函数,进而利用改进的SADE算法进行求解,并与传统方法计算结果进行比较.新目标函数使得神经网络权值的调整不受样本期望输出大小的影响,更适用于变化范围较大的样本数据训练;改进的SADE算法利用退火温度控制差分进化的选择过程和差分策略的选用,前期具有很好的多样性,后期有较好的收敛能力,克服了经典算法早熟的缺点,提高了全局搜索能力和鲁棒性.利用该算法对现场实际资料进行计算,取得了很好的效果.
為準確計算孔隙度、滲透率等儲層物性參數,結閤模擬退火和差分進化算法的主要優點,提齣一種改進的模擬退火差分進化(SADE)算法,將複雜儲層物性預測過程中神經網絡權值的訓練轉化為無約束優化問題,併建立新目標函數,進而利用改進的SADE算法進行求解,併與傳統方法計算結果進行比較.新目標函數使得神經網絡權值的調整不受樣本期望輸齣大小的影響,更適用于變化範圍較大的樣本數據訓練;改進的SADE算法利用退火溫度控製差分進化的選擇過程和差分策略的選用,前期具有很好的多樣性,後期有較好的收斂能力,剋服瞭經典算法早熟的缺點,提高瞭全跼搜索能力和魯棒性.利用該算法對現場實際資料進行計算,取得瞭很好的效果.
위준학계산공극도、삼투솔등저층물성삼수,결합모의퇴화화차분진화산법적주요우점,제출일충개진적모의퇴화차분진화(SADE)산법,장복잡저층물성예측과정중신경망락권치적훈련전화위무약속우화문제,병건립신목표함수,진이이용개진적SADE산법진행구해,병여전통방법계산결과진행비교.신목표함수사득신경망락권치적조정불수양본기망수출대소적영향,경괄용우변화범위교대적양본수거훈련;개진적SADE산법이용퇴화온도공제차분진화적선택과정화차분책략적선용,전기구유흔호적다양성,후기유교호적수렴능력,극복료경전산법조숙적결점,제고료전국수색능력화로봉성.이용해산법대현장실제자료진행계산,취득료흔호적효과.