利用RBF神经网络自适应调整算法预测储层产能

• 作者: 夏克文 宋建平 李昌彪
• 来源期刊: 石油地球物理勘探
• 学科: 地球科学
• 关键词: 径向基神经网络 自适应调整 基函数宽度值 储层产能预测
• 年，卷（期）: 2006,（1）
• 所属期刊栏目: 综合研究
• 页码范围: 53-57
• 页数: 5页
• 分类号: P61
• 语种: 中文
• DOI: 10.3321/j.issn:1000-7210.2006.01.011

摘要

传统径向基(RBF)神经网络的基函数宽度值都由经验公式确定或人为选取,没有考虑误差分布情况,所以在应用中常常效果不够理想.为此本文以最近邻距离算法为基础提出一种改进的RBF神经网络算法,能够自适应地调整基函数中心点宽度值以达到高精度、快速逼近样本的目的.在石油储层产能的预测中,首先对样本信息进行属性约简、预处理;然后在网络学习训练中通过计算输入样本的RBF神经网络的中心点值,再确定RBF神经网络基函数的宽度值,直到满足系统精度为止;最后用训练好的网络来进行储层产能预测.仿真结果表明,改进的RBF神经网络算法应用效果显著,不仅比传统RBF神经网络算法拟合精度高,而且收敛速度快.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	宋建平	西安交通大学电子与信息工程学院	57	877	17.0	27.0
2	夏克文	西安交通大学电子与信息工程学院	15	160	9.0	12.0
3	李昌彪	西安交通大学电子与信息工程学院	14	144	8.0	11.0