概率神经网络及其在储层产能预测中的应用

概率神经网络（PNN）是一种基于概率密度函数理论且泛化能力很强的神经网络，并且能够广泛地应用于模式识别等领域。针对储层产能的预测问题，提出了一种具体的概率神经网络方法，包括网络模型的构造、学习训练和预测识别等步骤。基于MATLAB6．5设计出概率神经网络的具体应用软件，实际应用表明，在储层产能预测中效果显著。与BP网络进行对比实验，其预测正确率优于BP网络。     

地震信息的属性参数提取和砂体预测方法

在利用地震信息属性参数进行砂体预测时，仅用单一参数预测的结果往往精度很差，而盲目使用多参数作为神经网络的输入，又会使网络的学习过程不收敛。为克服上述问题，本文通过理论模型研究，并结合实际地震资料，从时间域和频率域中提取了目的层的１９个地震信息属性参数。然后，选取与薄砂层厚度最密切的８种参数进行砂体预测。文中对几种常用的预测方法进行了分析和对比。应用结果表明，多参数的神经网络预测方法的精度最高；主频     

地下烃类相态早期识别的地球化学方法

本文阐述了根据烃源岩的热演化阶段，不同温度段烃类的含量和油气全烃色谱指纹特征来早期判断地下烃类相态的地球化学方法，达到了在钻探过程中经济、快速地进行地下储集层中烃类相态的早期预测的目的。这一方法耗时少，花费低，而且所需的原始实验数据容易获得，判识精度较高。     

有效参数神经网络预测滤波方法研究

常规的地震数据去噪方法的主要是根据单参数地震信息提取有效信号和噪声达到去噪的目的。本主要从地震数据上分析和提取反映有效波和噪声的多个特征参数。应用神经网络非线性预测技术，将选择拙的特征参数作为神经网输入，假设希望输出为滤波门限，通过反复训练，得到滤波因子；然后，对地震记录的有效波和随机噪声进行分离。     

高分辨率三维地震资料解释技术的应用

在兴城工区进行了精细的高分辨率地震资料解释方法应用研究。在构造解释中，应用了剖面和相干体切片等对比解释的精细断层解释技术及全三维人机交互构造解释技术；在岩性解释中，通过回归分析法和神经网络法对地震属性和岩石的物理特性之间的具体函数关系进行了分析，选取相关性高的属性，以沉积微相为指导，应用LPM软件实现储层的定量预测；根据圈闭条件和储层物性对油气的控制作用，对油藏类型和油气富集规律进行了分析，详细了解了该区的地质情况，最终解释圈闭幅度精确到5m．在井约束下预测的砂岩厚度精确到2m。     

һ���µ���Ȼ����������Ԥ�ⷽ��

针对天然气管网负荷变化的特点，提出了用模糊逻辑和RBF神经网络模型(FL—RBF NNM)来预测天然气管网的负荷。即首先利用模糊逻辑系统预测出负荷误差及误差变化率，从而实现了天然气负荷的在线修正：再利用改进的RBF神经网络进行天然气管网负荷的预测。在数据的处理上，应用了数据分类处理以及“近大远小”原则，并且在RBF网络模型中采用了最新邻聚类算法，实现了网络结构和参数的双重调节，大大提高了训练的速度和预测的精度。最后将此模型应用于实际中，并和单纯的RBF神经网络模型进行了比较，结果证明该模型可以快速准确预测出天然气管网的负荷值。     

小波神经网络的油田开发动态指标预测方法

针对现存油田开发动态指标预测方法的不足，借助小波神经网络思想、原理，构造出小波神经网络油田开发动态指标预测模型，研究了模型的求解，并应用于实际油田开发动态指标的预测中。实例分析表明，提出的小波神经网络的油田开发动态指标的预测方法是正确和可行的，与人工神经网络的预测方法相比，小波神经网络的预测方法不仅能有效地提高预测精度，而且能提高收敛速度，可作为油田开发动态指标预测的替代方法。     

一种直接预测油气藏的地震资料微观解释方法

本文基于米哈诺夫．Ｉ．Ｎ提出的小幅度隆起油气藏地质－地球物理模式，建立起以直接预测油气藏为目的的地震资料微观解释方法，并应用该方法对鄯善油田进行油气预测，取得了较好的效果。     

一种模糊神经网络技术及其在储层预测中的应用

大庆外围油田的葡萄花油层主要为砂泥岩薄互层，储层砂体横向变化大，这给井位设计带来了很大的难度。近几年地震属性分以用地震特征参数直接预测储层的析技术虽然得到了较快的发展，但地震属性与储层地质参数之间的关系较模糊，难砂岩厚度。为此，研究了一种模糊神经网络预测砂岩技术，它将人工神经网络理论与模糊逻辑分析相结合，在地震属性分析的基础上，以井旁地震道主分量参数为输入，以井孔地质参数为期望输出，建立模糊神经网络，并对网络进行训练，当网络收敛且网络整体方差达到要求的精度时，便完成了网络训练。该技术应用于大庆太平屯地区储层预测中，通过4口后验井检验，预测厚度与钻井厚度吻合较好，平均绝对误差为0.21m。     

地震微相分析技术在大港滩海探区的应用

在大港滩海探区，依据复杂构造和复杂储集层分布区的不同地震—地质条件，优化选取地震微相聚类分析、地震沿层相干分析、地震属性信息优化、神经网络地震波形分类、全三维储集层特征反演等多种地球物理技术，进行地震微相分析和沉积微相划分，并结合构造背景资料，预测岩性圈闭可能发育的区带，获得了很好的钻探效果，证明在当前技术条件下，以宏观沉积相模型为指导，应用多种地震微相分析技术进行砂体和岩性油藏分布的预测研究是行之有效的。     

应用多属性神经网络方法预测油气

地震属性包含的地球物理信息十分丰富,但地震属性种类繁多,并且与储层特征对应关系复杂,单属性分析难以确保预测的准确性。人工神经网络方法具备较强的非线性映射能力,使用该方法可以综合利用多属性进行油气预测,提高预测精度。该文采用梯度下降神经网络算法,避免陷入局部极小值,有效加快网络收敛速度,使网络达到全局最优,提高了预测效果。     

双重神经网络预测储层及油气

由自组织神经网络和ＢＰ网络组成的双重神经网络，能够克服各自单独使用的局限性，可在复杂地区进行储层及油气预测。在ＢＰ网训练时，采用同伦学习算法，可得到全局最优解，且收敛速度很快。实际应用表明，在用自组织神经网络或ＢＰ网络不能进行储层及油气预测的地区，采用双重神经网络能取得很好的效果。     

模糊神经网络预测储层及油气

利用模糊理论和 BP网络相结合组成的模糊神经网络系统 ,能够克服单独使用 BP网络的局限性 ,可在地质条件较复杂地区进行储层及油气预测。通过实际资料应用表明 ,在单独应用 BP网络进行储层及油气预测效果较差的地区 ,采用模糊神经网络能取得较好的效果。     

最小曲率神经网络在油气预测中的应用

在应用地球物理领域中，人工神经网络在模式识别和油气预测方面得到较好地应用，前向网络的重要特性是能够总结，归纳已知样本隐含的函数关系。然而礤推广性能有待进一步研究，为此，本文强调了这个问题的重要性，并提出了改善网络推广性能的技术；就是在网络的学习过程中，不仅使总误差下降，还尽可能使建立的“隐函数”平滑，并用曲率表征隐函数的平滑程度，计算实例表明，本文的算法可以明显地改善网络的推广性能。最后给出了用该     

Comparative evaluation of back-propagation neural network learning algorithms and empirical correlations for prediction of oil PVT properties in Iran oilfields

This paper presents a new approach to improve the performance of neural network method to PVT oil properties prediction. The true value of PVT properties which is determined based on the accurate data is a challenge of the petroleum industry. The main goal of the following investigation would be the performance comparison of various back-propagation learning algorithms in neural network that could be applied for PVT prediction. Up to now, no procedure has been presented to determine the network structure for some complicated cases, therefore; design and production of neural network would be almost dependent on the user's experience. To prevent this problem, neural network based recommended procedure in this study was applied to present the advantages. To show the performance of this procedure, several learning algorithms were investigated for comparison. One of the most common problems in neural network design is the topology and the parameter value accuracy that if those elements selection was correctly and optimally, the designer would achieve better results. Since, fluids of different regions have varying hydrocarbon properties, therefore, the empirical correlations in different hydrocarbon systems should be investigated to find their accuracies and limitations. In this study, an investigation of different empirical correlations along with the artificial neural networks in Iran oilfields has been presented. Then, the new model of artificial neural network for prediction of PVT oil properties in Iran crude oil presented. To test this new method, it was evaluated by collecting dataset from 23 different oilfields in Iran (south, central, western and continental shelf). In this study, two networks for prediction of bubble point pressure values (P_b) and the oil formation volume factor at bubble point (B_ob) were designed. The parameters and topology of the optimum neural networks were determined and in order to consider the effect of these networks designing on results, their performances were compared with various empirical correlations. According to comparison between the obtained results, it shows that the improved method presented has better performance rather than empirical and current methods in neural network designing in petroleum applications for these predictions.     

储层预测技术在油气藏勘探中的应用分析

储层预测技术是油藏评价的关键技术,特别在岩性油气藏评价时储层预测技术是必不可少的。研究提出了识别鼻状构造的储层预测技术,即联合应用地震属性技术、测井约束反演技术及神经网络储层参数预测技术对储层砂体及油气分布进行了预测,整个储层预测过程既有定性识别又有定量评价岩性油气藏。以准噶尔盆地腹部BC区块为例进行试验,取得较好应用效果。     

油气资源丰度预测的人工神经网络方法——以济阳坳陷为例

通过相关分析,筛选出济阳坳陷控制成藏体系资源丰度的主要地质参数,把成藏体系的资源丰度及其主控地质参数作为神经网络的训练样本,建立了具有预测功能的神经网络结构.与多元线性和多元非线性回归模型预测结果的比较表明,神经网络模型在预测精度上要远高于2种回归预测模型.     

多属性概率神经网络技术在ML油田岩性油气藏预测中的应用

在ML油田,由于地震资料品质差、井数据缺乏、开发程度低等原因,采用常规阻抗反演进行油气预测效果不理想,为此应用多属性概率神经网络技术进行油气预测。在研究区首先进行多属性分析,优选出振幅包络、泊松比等7种地震属性,建立起地震属性与油气之间的非线性关系;然后对已钻遇岩性油气藏砂体进行油气预测,将预测结果和实际测井数据进行对比说明预测结果真实可靠;最后对潜在的岩性油气藏目标砂体进行油气预测,得到目标砂体的油气分布概率以及厚度图,从而指导油田岩性油气藏的勘探与开发。     

人工神经网络在石油工业中的应用及未来发展趋势探讨

在石油勘探、开发和钻井,以及生产过程中,存在着大量且复杂的不确定性因素,所收集和获取的信息不少是非数值型的、不精确的,要靠人工智能的方法加以识别和解决。人工神经网络是在现代神经科学研究成果的基础上提出的一种智能方法,作为一种有效解决非线性问题的网络技术,已在现代石油工业中得到了广泛的应用,并取得了较好的现场应用效果。针对目前人工神经网络的迅速发展及应用情况,论述其在石油工业中的应用现状,并对其在未来石油工业中的发展趋势展开了探讨。最后利用人工神经网络构建了钻井液固相和滤液侵入深度预测模型,分析了该模型的主要特色和实现的技术难点。     

浅析人工神经网络在石化企业中的应用及发展趋势

人工智能领域的前沿技术——人工神经网络,在石化企业生产运行中得到了广泛应用。介绍了人工神经网络技术的基本原理和算法分类,阐述了人工神经网络在石化企业操作优化、故障诊断、节能减排、安全预警和数据预测等方面的应用进展,分析了石化企业应用人工神经网络的关注重点,展望了该技术在石化企业中发展趋势。