基于粒子群优化算法的小波神经网络缝洞型储层识别模型

• 作者: 匡建超 曾剑毅 瞿子易 罗鑫
• 来源期刊: 物探化探计算技术
• 学科: 工学
• 关键词: 缝洞型储层 粒子群优化算法 小波神经网络 储层识别
• 年，卷（期）: 2009,（3）
• 所属期刊栏目: 电磁法勘探
• 页码范围: 213-217
• 页数: 5页
• 分类号: TP183
• 字数: 3348字
• 语种: 中文
• DOI: 10.3969/j.issn.1001-1749.2009.03.009

摘要

针对缝洞型储层识别精度较低这一难题,提出了基于粒子群优化算法的小波神经网络(PSO-WNN)储层识别模型.以小波函数作为隐含层的激励函数,采用粒子群优化算法,对权值、伸缩参数、平移参数进行调整,构建出基于粒子群优化算法的小波神经网络储层识别模型.该模型具有算法简单、结构稳定、计算收敛速度快、全局寻优能力强、识别精度高、泛化能力强的优点.这里以济阳坳陷桩西埕岛地区古生界潜山缝洞型储层识别为例,利用常规测井参数作为模型的输入参数,以储层类型赋值作为输出,选取九口井的108个已知样本,采用不同隐含层个数对模型进行多次训练.通过对比分析,最终确定隐含层个数为10,建立起该区的Ⅰ类、Ⅱ类、Ⅲ类储层识别模型.利用已建模型对十八个检验样本进行识别,其识别正确率高达100%, 而BP神经网络识别正确率为88%.这表明该模型对缝洞型储层的识别效果较好,为缝洞型储层的进一步研究提供了可靠的依据.

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	罗鑫	成都理工大学能源学院	11	59	5.0	7.0
3	瞿子易	成都理工大学能源学院	5	39	3.0	5.0
4	曾剑毅	成都理工大学能源学院	9	81	7.0	9.0