联合神经网络在储层参数预测中的研究与应用

• 作者: 李根田 段友祥
• 来源期刊: 测井技术
• 关键词: 储层参数预测 联合神经网络 BP神经网络 RBF神经网络 支持向量回归
• 年，卷（期）: 2017,（2）
• 所属期刊栏目: 处理解释
• 页码范围: 176-182
• 页数: 7页
• 分类号: P631.84|TP391.4|TE122
• 语种: 中文
• DOI: 10.16489/j.issn.1004-1338.2017.02.009

摘要

地质储层参数在建立地质模型中起着关键作用,储层参数通过井资料获得.常规测井解释中多通过经验公式或简化地质条件建立模型计算储层参数.提出了新的神经网络模型,基于BP神经网络、RBF神经网络、支持向量回归并通过单层感知器共同构成联合神经网络模型.该网络模型在储层参数预测过程中能针对单一神经网络的不足而自适应调节网络结构,使预测效果达到最优,避免了单一网络在参数预测时的缺点,提高了预测的准确性.选取了同一地区的3口油井进行训练和验证实验,实验结果表明,联合神经网络模型优于单一的人工神经网络模型.