人工智能神经网络在岩性识别、孔隙度和渗透率预测中的应用——以十红滩铀矿床为例

• 作者: 李继安
• 来源期刊: 西北地质
• 学科: 工学
• 关键词: 人工智能神经网络 岩性识别 孔隙度和渗透率预测
• 年，卷（期）: 2010,（2）
• 页码范围: 32-37
• 分类号: TE19
• 字数: 3713字
• 语种: 中文
• DOI: 10.3969/j.issn.1009-6248.2010.02.005

摘要

分析了传统测井解释方法的局限性.从神经网络的机理、特点出发,提出了一种基于人工智能神经网络技术的岩性识别、孔隙度和渗透率预测方法.首先选取适当的测井资料向量组成一个训练模式对,由多个训练模式对构成一个学习样本集.通过神经网络的学习,使网络记住这些特征并形成预测模型,最后根据预测模型计算相应参数.以十红滩地区的找矿目的层为对象,进行了岩性分析与对比,预测了孔隙度与渗透率,并与实测值进行了对比.上述实例分析表明,该方法用于砂岩型铀矿预测岩性、孔隙度和渗透率具有一定的可行性.与传统方法相比,该方法不需要建立具体的解释模型和计算公式,有较好的适应性和预测精度.基于人工智能神经网络技术的岩性识别、孔隙度和渗透率预测方法具有较高的实用价值.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李继安		16	67	4.0	7.0