基于主成分分析的离散过程神经网络水淹层动态预测方法

• 作者: 张志银 朱海双 李榕 钟仪华
• 来源期刊: 测井技术
• 关键词: 测井曲线 动态预测 水淹层识别 主成分分析 离散过程神经网络
• 年，卷（期）: 2010,（5）
• 页码范围: 432-436
• 分类号: P631.84
• 语种: 中文
• DOI: 10.3969/j.issn.1004-1338.2010.05.006

摘要

提出了一种利用主成分分析和离散过程神经网络进行水淹层动态预测的方法,对测井曲线信息随油层厚度变化的离散数据进行主成分分析,减少了离散过程神经网络模型的输入参数,排除了各参数之间的相关性.引入了反映深度变化累积效应的输入参数--测井参数曲线层段的不同油层厚度.据此建立的识别模型能够反映出随含水率的上升、深度不同时测井曲线的变化规律.实例研究表明,提出的方法与BP神经网络识别方法、支持向量机方法相比较具有更快的运算速度和更高的识别精度,能够体现出高含水期水淹层的动态变化特征.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	钟仪华	西南石油大学理学院	32	180	7.0	12.0
2	朱海双	西南石油大学理学院	4	26	2.0	4.0
3	李榕	西南石油大学理学院	8	60	3.0	7.0
4	张志银	西南石油大学理学院	3	24	2.0	3.0