应用改进的神经网络学习方法预测储层参数

• 作者: 张吉 李敏 杨辉廷 颜其彬
• 来源期刊: 天然气工业
• 关键词: 神经网络 储集层 参数 测井解释 塔里木盆地
• 年，卷（期）: 2005,（6）
• 所属期刊栏目: 地质与勘探
• 页码范围: 37-39
• 页数: 3页
• 分类号: P5
• 语种: 中文
• DOI: 10.3321/j.issn:1000-0976.2005.06.010

摘要

人工神经网络理论在石油科学的研究中具有重要的理论和现实意义.文章在分析了模拟退火算法和变尺度法各自的优势和原理基础上,针对前向网络反向传播算法(BP)收敛速度缓慢和易陷入局部极值点的缺点,将有全局寻优特性的模拟退火算法(SA)和快速收敛的局部寻优变尺度算法(BFGS)有效地结合,提出了一种快速、高效的前向网络混合学习策略,即SA-BFGS混合算法来训练网络.用它代替传统BP网络中的梯度下降法,通过训练网络权值,使网络具有较快的收敛速度和较高的逼近精度.在测井资料计算储层参数的实际应用中,该法能极大地改进前向网络的收敛速度与收敛性能,处理速度快、稳定性好、可信度高,具有较好的应用前景.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张吉	西南石油学院资源与环境学院	17	438	10.0	17.0
2	李敏	中国石油辽河油田分公司勘探开发研究院	59	187	8.0	12.0
3	颜其彬	西南石油学院资源与环境学院	42	971	15.0	30.0
4	杨辉廷		2	27	2.0	2.0