一种人工智能核磁渗透率预测方法

• 作者: 周宇 郭和坤 魏国齐
• 来源期刊: 江苏大学学报（自然科学版）
• 学科: 工学
• 关键词: 岩心分析 核磁共振 渗透率 神经网络 遗传算法
• 年，卷（期）: 2011,（5）
• 页码范围: 569-572
• 分类号: TE311:T319
• 字数: 3253字
• 语种: 中文
• DOI: 10.3969/j.issn.1671-7775.2011.05.014

摘要

针对目前常用预测方法难以较好地模拟核磁共振测量结果和渗透率之间复杂关系的问题,提出了一种应用人工智能算法预测核磁渗透率的新方法.在新方法中,采用了神经网络建立核磁测量结果和渗透率之间的关系;用遗传算法为神经网络选择最佳参数和初始值;用基于信息增益的数据挖掘技术对渗透率的相关参数进行优选.对来自松辽盆地的岩石样品进行试验,以验证这一模型的有效性.结果表明:新模型弥补了神经网络容易产生局部极小和根据主观经验设定网络参数这2个重要缺陷:与传统方法相比,将渗透率的平均相对误差从207.3％降低到了68.6％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	魏国齐		124	4589	40.0	63.0
2	郭和坤		31	616	13.0	24.0
3	周宇	中国科学院渗流流体力学研究所	30	215	9.0	14.0