混合学习法前向网络多属性储层参数预测

• 作者: 吴元 吴秋波 王允诚
• 来源期刊: 西南石油大学学报（自然科学版）
• 学科: 地球科学
• 关键词: 误差反向传播算法 粒子群优化算法 前向网络 地震属性 孔隙度
• 年，卷（期）: 2011,（2）
• 所属期刊栏目: 地质勘探
• 页码范围: 68-72
• 分类号: TE132.1|P631.4
• 字数: 3014字
• 语种: 中文
• DOI: 10.3863/j.issn.1674-5086.2011.02.010

摘要

应用前向网络描述地震属性和储层参数间的非线性映射关系时,经典的误差反向传播算法存在收敛速度慢,易陷入局部极值等诸多不足.研究了融合粒子群优化算法和误差反向传播算法的混合学习法前向网络多属性储层参数预测技术.粒子群优化算法是一种群体随机搜索演化计算技术,具有较快的收敛速度和较强的全局搜寻能力;误差反向传播算法本质上是梯度下降算法,注重局部搜索.混合学习法为两种学习算法交替执行,首先以粒子群优化算法训练网络,当误差能量在规定的迭代次数内不再发生变化时,采用误差反向传播算法实现局部寻优.理论函数逼近测试和实际储层参数预测实验说明了混合学习法具有学习时间短、求解效率高、可靠性强的优点,具有良好的应用前景.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	吴秋波	成都理工大学能源学院	4	42	3.0	4.0
5	王允诚	成都理工大学能源学院	30	434	12.0	20.0
6	吴元		3	10	2.0	3.0