基于离散过程神经网络页岩油气储层有机碳含量预测

• 作者: 刘志刚 肖佃师 许少华
• 来源期刊: 中国石油大学学报(自然科学版)
• 关键词: 总有机碳 离散过程神经网络 网络训练 Moore-Penrose广义逆
• 年，卷（期）: 2017,（2）
• 所属期刊栏目: 石油地质与勘查工程
• 页码范围: 80-87
• 页数: 8页
• 分类号: TE122.1
• 语种: 中文
• DOI: 10.3969/j.issn.1673-5005.2017.02.009

摘要

受地层岩性变化影响,传统方法进行有机碳含量(TOC)拟合预测精度偏低.为提高TOC拟合精度,减小普通神经网络对连续信号的时间累积误差,提出一种极限学习离散过程神经网络的TOC拟合预测模型.模型用向量模拟过程式输入,内部通过抛物插值的数值积分完成离散样本的时域聚合.通过对离散过程神经元的结构分析,提出极限学习训练算法,在隐层相关参数随机赋值后,通过Moore-Penrose广义逆求解输出权值,模型学习速度快.最后将该方法应用于TOC拟合预测,利用相关性分析,选取对TOC响应最敏感的测井曲线作为模型的特征输入.与传统方法和其他神经网络对比,该方法的拟合精度较高,预测TOC与实测值有更好的相关性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘志刚	东北石油大学计算机与信息技术学院	33	104	6.0	8.0
2	肖佃师	中国石油大学非常规油气与新能源研究院	7	94	4.0	7.0
3	许少华	山东科技大学信息科学与工程学院	30	56	4.0	5.0