相似度-遗传神经网络在储层物性预测中的应用

传统的测井解释需要建立精确的数学模型,并常伴有严格的条件限制,因此很难得到真实反映储层特性的结果.采用遗传算法与BP神经网络相结合,利用遗传算法的全局寻优特点,优化神经网络的连接权值和阀值,提高网络的训练精度和预测精度,避免了BP算法易陷入局部极小的缺点,提高运算速度.将相似度的概念引入到测井中,定义相似度在测井中的计...     

相似度-共轭梯度BP算法在储层孔隙度预测中的应用

传统的基于测井资料的孔隙度求取是威利时间平均公式和它的一些改进形式,这种方法只是简单的线性形式。然而,由于储层的非均匀性,孔隙度与测井响应之间的关系必然是非线性的,利用线性的方法很难得到能够真实反映储层特性的结果。为了解决这个问题,本文采用了共轭梯度算法建立BP神经网络模型,经过网络学习训练后,对未知的样本进行预测。同时,定义了相似度在测井中的含义及计算公式,通过计算所要预测样本储层的相似度,来判断预测样本是否适合用所建立的神经网络模型进行预测。模拟结果表明,当预测储层和标准储层相似度高时,预测结果和实测结果误差很小;反之,预测结果和实测结果存在较大误差。因此,在孔隙度预测之前,须先计算预测样本的相似度,以判断是否适合,这样可以有效的控制预测精度,避免因储层差别很大而造成的神经网络预测精度降低的现象。