基于贝叶斯正则化改进BP神经网络的页岩气有机碳含量预测模型

• 作者: 于少将 李杨 袁颖 谭丁 韩冰
• 来源期刊: 地质与勘探
• 学科: 地球科学
• 关键词: 页岩气 有机碳(TOG)含量 主成分分析 贝叶斯正则化 BP神经网络
• 年，卷（期）: 2019,（4）
• 所属期刊栏目: 油气资源
• 页码范围: 1082-1091
• 页数: 10页
• 分类号: P618.13
• 字数: 6866字
• 语种: 中文
• DOI: 10.12134/j.dzykt.2019.04.019

摘要

页岩气总有机碳(TOC)含量是评价岩性气藏的关键指标,受复杂地质及岩心采集等多种因素的影响,常规室内测试分析获得的TOC含量的数据有限且结果有失准确.为合理准确预测页岩气TOC含量,本文首先通过对页岩气储层TOC含量测井资料综合分析选取8条测井曲线,并结合主成分分析法(Principal Component Analysis,PCA)提取四个主成分;其次基于贝叶斯正则化(Bayesian Regularization)改进的BP神经网络方法建立页岩气TOC含量预测的BR-BP模型;最后利用该模型对研究区A区页岩气TOC含量进行预测,并与常规的LM-BP神经网络模型的预测结果进行对比.结果 表明:BR-BP模型有较强的非线性拟合能力,能够真实地反映出页岩气TOC含量与各测井参数之间的非线性关系,其模型预测结果与实际值基本吻合,与常规的LM-BP神经网络模型相比,其数据敏感性增强,预测精度有所提高,该研究方法具有一定的理论意义和参考价值,为我国TOC含量预测提供了一种新的技术方法和手段.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李杨		11	0	0.0	0.0
2	袁颖	河北地质大学勘查技术与工程学院	23	62	5.0	6.0
3	谭丁		3	0	0.0	0.0
4	于少将	河北地质大学勘查技术与工程学院	3	3	1.0	1.0
5	韩冰	河北地质大学勘查技术与工程学院	6	7	2.0	2.0