共查询到10条相似文献,搜索用时 15 毫秒
1.
2.
径向基神经网络优化及在储层敏感性定量预测中的应用 总被引:1,自引:0,他引:1
径向基(RBF)神经网络法具有网络结构简单、逼近能力强和学习速度快等优点,已成为最具发展潜力的储层敏感性智能预测方法之一,但在实际应用中仍存在泛化能力不强、网络训练不收敛等问题。通过在输入层中引入补充节点,对网络拓扑结构进行优化,有效地提高了RBF神经网络的逼近精度和泛化能力。在确定储层敏感性主要影响因素的基础上,通过对径向基函数散布常数的优选,进一步优化了RBF神经网络的性能。采用所收集的胜利、辽河、大港及江苏油田共125组数据,进行了神经网络训练和预测检验,优化了RBF神经网络,并在储层敏感性预测方面进行了应用。结果表明,对于训练集内的样本,预测的平均准确率均大于93.79%,且预测值与实验值的相关系数均大于0.995;对于训练集外的样本,预测的平均准确率大于91.59%,预测值与实验值的相关系数大于0.994,实现了对储层敏感性的准确、定量预测。 相似文献
3.
4.
5.
6.
改进的神经网络算法及其在油层识别中的应用 总被引:3,自引:0,他引:3
利用BP人工神经网络建立了油气水层的解释模型 ,给出了改进的BP训练算法 ,应用这种神经网络油气水层解释模型适时评价了新井 10 6层数据 ,经试油验证 2 2层 ,其中 19层符合 ,解释符合率为 86 3% ,网络模型识别率为 10 0 % ;在同样精度下 ,改进算法学习时间是BP算法的 4 7% ,且系统稳定。改进的神经网络算法是一种有效综合解释油气水层的新方法 ,具有学习、记忆、自适应等功能 ,可最大限度地综合运用多项原始资料 ,具有其他解释方法不可比拟的优点 ,为录井综合解释提供了一条切实可行的新途径 相似文献
7.
径向基函数神经网络在孔隙度预测中的应用 总被引:1,自引:1,他引:0
利用径向基函数神经网络对新疆乌尔禾地区三叠系白口泉组储层孔隙度进行预测,取得了较好的效果。对比分析结果表明,径向基函数神经网络预测结果较BP神经网络以及线性回归法预测结果精度高。阐述了应用中应该注意的问题。 相似文献
8.
储层敏感性预测模型中BP网络隐层数的优选及应用 总被引:1,自引:0,他引:1
储层敏感性预测是多变量的非线性系统,而神经网络解决非线性问题有其独特的优势,是目前用于储层敏感性预测是较好的方法。在建立预测方法过程中,BP网络隐层结点数的确定直接影响到网络的学习效率。通过对目前四种隐层结点数确定方法进行探讨,优选出储层敏感性预测中BP神经网络合理的隐层结点数,并在实际预测中进行应用,从而使预测结果更客观和符合实际。应用情况表明,该方法可大大缩短网络学习时间,从而提高学习效率,使网络以最快的速率达到收敛。 相似文献
9.
《石油工业计算机应用》2016,(2)
及时准确地预测储层敏感性损害问题一直是油气层保护研究的一个重要课题。本文在收集岩心分析资料的基础上,通过单相关分析确定影响敏感性的主要因素,应用一种基于多层激励函数的量子神经网络。建立了储层敏感性损害预测的量子神经网络模型,它可以有效提高网络的收敛速度和预测的准确率。基于量子神经网络的预测模型分析表明,该方法受人为因素干扰小,同时系统所需参数少,应用广泛,结果可靠(总体符合率达到88%),能有效地反映出储层潜在敏感性损害程度,为制定保护油气层技术措施提供较可靠的依据。 相似文献