基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
基于测井资料和煤岩心含气量化验分析资料,采用现代数理统计方法优选了煤层含气量的敏感性测井参数,在煤岩心含气量分析化验数据归位的基础上,建立了煤岩心含气量-测井相统计模式,并利用灰色关联法对测井相-煤岩心含气量统计模式进行了系统分析,进而筛选了有效的煤层含气量测井建模数据库.基于神经网络非线性数学方法,利用筛选后的有效煤层含气量测井建模数据构建了研究区内煤层含气量的多测井参数非线性预测模型,并利用所构建模型对研究区内的煤层含气量进行预测.煤岩心含气量室内分析数据与预测结果对比表明,该整套方法能较好地对煤层含气量进行预测,预测精度能够满足煤层气储层测井评价的要求.
推荐文章
基于灰色关联和 BP 神经网络的汽车保有量预测
汽车保有量
预测
灰色关联分析
BP 神经网络
基于灰色粗糙集与BP神经网络的设备故障预测
灰色关联分析
粗糙集
BP神经网络
约简
故障预测
基于BP神经网络与灰色预测模型的公路运量预测
BP神经网络
灰色预测模型
公路运量预测
多元线性回归
应用BP神经网络预测煤层含气量分布
BP神经网络
煤层气
煤层含气量
分级预测
含气量分布
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于灰色关联分析和BP神经网络的煤层含气量预测研究
来源期刊 西安石油大学学报(自然科学版) 学科 工学
关键词 煤层含气量 敏感性参数 测井资料 煤岩心 灰色关联 神经网络
年,卷(期) 2014,(3) 所属期刊栏目 地质与勘探
研究方向 页码范围 58-62
页数 5页 分类号 TD845|TP183
字数 3051字 语种 中文
DOI
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 赵靖舟 西安石油大学地球科学与工程学院 139 4520 35.0 62.0
2 刘之的 西安石油大学地球科学与工程学院 27 126 8.0 10.0
3 王剑 西安石油大学地球科学与工程学院 8 36 4.0 5.0
4 杨秀春 5 31 4.0 5.0
5 陈彩红 3 23 3.0 3.0
6 张继坤 5 31 4.0 5.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (36)
共引文献  (146)
参考文献  (11)
节点文献
引证文献  (9)
同被引文献  (37)
二级引证文献  (19)
1994(1)
  • 参考文献(0)
  • 二级参考文献(1)
1995(3)
  • 参考文献(0)
  • 二级参考文献(3)
1996(4)
  • 参考文献(1)
  • 二级参考文献(3)
1997(4)
  • 参考文献(0)
  • 二级参考文献(4)
1998(8)
  • 参考文献(1)
  • 二级参考文献(7)
1999(4)
  • 参考文献(2)
  • 二级参考文献(2)
2000(3)
  • 参考文献(0)
  • 二级参考文献(3)
2001(1)
  • 参考文献(0)
  • 二级参考文献(1)
2002(4)
  • 参考文献(0)
  • 二级参考文献(4)
2003(2)
  • 参考文献(0)
  • 二级参考文献(2)
2005(4)
  • 参考文献(0)
  • 二级参考文献(4)
2006(1)
  • 参考文献(0)
  • 二级参考文献(1)
2007(1)
  • 参考文献(1)
  • 二级参考文献(0)
2008(3)
  • 参考文献(3)
  • 二级参考文献(0)
2009(2)
  • 参考文献(1)
  • 二级参考文献(1)
2010(2)
  • 参考文献(2)
  • 二级参考文献(0)
2014(1)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(1)
  • 二级引证文献(0)
2014(1)
  • 引证文献(1)
  • 二级引证文献(0)
2015(3)
  • 引证文献(3)
  • 二级引证文献(0)
2016(7)
  • 引证文献(2)
  • 二级引证文献(5)
2017(4)
  • 引证文献(1)
  • 二级引证文献(3)
2018(8)
  • 引证文献(2)
  • 二级引证文献(6)
2019(4)
  • 引证文献(0)
  • 二级引证文献(4)
2020(1)
  • 引证文献(0)
  • 二级引证文献(1)
研究主题发展历程
节点文献
煤层含气量
敏感性参数
测井资料
煤岩心
灰色关联
神经网络
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
西安石油大学学报(自然科学版)
双月刊
1673-064X
61-1435/TE
大16开
西安市南郊电子二路18号
1959
chi
出版文献量(篇)
2967
总下载数(次)
4
总被引数(次)
29672
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导