基于RBF神经网络的页岩气丰度预测

• 作者: 杨宇宁 王剑 郭秀梅
• 来源期刊: 西安石油大学学报（自然科学版）
• 学科: 工学
• 关键词: 页岩气丰度预测 人工神经网络 RBF 四川盆地
• 年，卷（期）: 2015,（6）
• 所属期刊栏目: 【地质与勘探】
• 页码范围: 45-49
• 页数: 5页
• 分类号: TE121
• 字数: 3051字
• 语种: 中文

摘要

对页岩气成藏条件进行分析认为，机质含量、类型、成熟度、储层厚度、埋藏深度和孔隙度等为影响页岩气成藏的主要因素；依据四川盆地和北美页岩气形成的地质条件的相似性和所收集的大量页岩气数据，利用RBF神经网络构建了各主要因素与资源量丰度的网络模型，并用MATLAB对网络模型进行训练。对 Ohio 和龙马溪组页岩资源丰度进行了预测，预测误差分别为27.5%和3.5%，表明RBF神经网络模型可较好预测页岩气产量，对页岩气开采和勘探具有参考价值。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王剑	国土资源部沉积盆地与油气资源重点实验室成都地质矿产研究所	48	811	16.0	27.0
5	郭秀梅	成都理工大学研究生院	4	31	3.0	4.0
7	杨宇宁	成都理工大学研究生院	6	40	4.0	6.0