基于粒子群算法的模糊优选神经网络储层识别模型

• 作者: 匡建超 张银德 曾剑毅
• 来源期刊: 物探化探计算技术
• 学科: 工学
• 关键词: 粒子群算法 神经网络 模糊优选 储层识别
• 年，卷（期）: 2008,（3）
• 所属期刊栏目: 油储地球物理
• 页码范围: 202-205
• 页数: 4页
• 分类号: TP183
• 字数: 2869字
• 语种: 中文
• DOI: 10.3969/j.issn.1001-1749.2008.03.007

摘要

针对致密储层中气水干层识别准确率较低这一难题,提出基于粒子群算法(particle swarm optimization,PSO)的模糊优选神经网络识别模型.其基本思路:首先对所有的变量进行分析,提取反映储层本质的主要属性,消除重叠信息的输入,然后将粒子群算法与模糊优选神经网络相结合,构建基于粒子群算法的模糊优选神经网络识别模型.以陕甘宁盆地中部气田马五1储层气水干层识别问题为例,选用十九口井分层测试的92个已知样本(其中八十个用于模型构建,十二个用于精度检验),对物性、测井和储渗特征等方面的十个特征参数进行分析,从中提炼出电阻率、自然伽玛、产能系数、储渗因子、介质类型因子等五个主成份控制特征参数,消除重叠信息的影响.并以此作为神经网络输入层的输入,以样本储层的产能赋值作为输出,构建基于粒子群算法的模糊优选神经网络模型.模型的识别正确率达到100%,标准误差比传统模糊神经网络降低了60%.这表明该模型具有更高的识别精度,为致密储层的准确识别探索了又一种新方法,对同类地区的研究在一定程度上具有指导作用.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	匡建超	成都理工大学能源学院	94	581	13.0	18.0
2	张银德	成都理工大学能源学院	11	78	6.0	8.0
3	曾剑毅	成都理工大学能源学院	9	81	7.0	9.0