应用人工智能优化降低核磁共振孔隙度测量误差

• 作者: 周宇 郭和坤 魏国齐
• 来源期刊: 西安石油大学学报（自然科学版）
• 学科: 工学
• 关键词: 核磁共振 孔隙度测量 神经网络 数据挖掘 信息增益
• 年，卷（期）: 2011,（5）
• 所属期刊栏目: 石油工程
• 页码范围: 40-43
• 分类号: TE311|T319
• 字数: 3450字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-064X.2011.05.008

摘要

核磁共振测量孔隙度通常偏小,这是因为储层岩石中含有顺磁物质和黏土.为此提出了一种通过采用人工智能算法,根据相关因素对核磁共振测量孔隙度进行校准的新方法.该方法首先根据信息增益的原则,通过数据挖掘找出与核磁孔隙度偏差相关的因素作为神经网络的参数,之后用常规方法测得的孔隙度对神经网络进行训练,并根据实验结果对网络的算法和参数进行优化,最终将实测核磁孔隙度的相对误差从29.35％降低到11.37％.这一结果表明应用人工智能算法能够有效提高核磁共振法测量孔隙度的精度.

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