共查询到18条相似文献，搜索用时 140 毫秒
1.
模糊神经网络用于储层预测 总被引：2，自引：0，他引：2
利用模糊理论和ＢＰ网络相结合组成的模糊神经网络系统,能够克服ＢＰ网络单独使用的局限性,可在地质条件较复杂地区进行储层及油气预测。通过实际资料应用表明,应用单个ＢＰ网络进行储层及油气预测效果较差的地区,采用模糊神经网络能取得较好的效果。 相似文献
2.
杜江 《物探化探计算技术》1999,21(1)
针对常规模式识别方法进行油气预测时,存在样本数量大、参数非线性及已知样本数类型分类有明显的模糊性等特点。本文根据神经网络的自适应谐振理论（ＡｄａｐｔｉｖｅＲｅｓｏｎａｎｃｅＴｈｅｏｒｙ）结合模糊Ｋ均值聚类算法、特征参数非线性映射的有效性校验,构成了一个性能完善的地震参数油气预测系统。该系统对样本特征空间用模糊神经网络建立未知样本的预测度量,更加符合客观地质特征和油气分布规律,从而能判别油气富集的有利区域。数值分析和实践应用表明,该方法数值稳定可靠,在储层油气预测方面有较好的效果 相似文献
3.
在利用多参数进行储层油气预测时,并不是使用的特征越多越好,最佳特征的维数取决于实际问题的预测效果。这里运用聚类分析法优选地震特征参数,将距离较远或相似系数低的特征参数聚为一类,用来对未知样本进行地震储层预测。利用优选后的参数进行神经网络储层油气预测,在实际应用时取得了较好的效果。 相似文献
4.
5.
人工神经网络理论的诞生及发展给石油科学的研究方法注入新生力量，该方法能应用于油气勘探及开发的各个阶段，对储层横向预测及地震资料的处理和解译等方面提供了有效的手段，神经网络方法在石油科学中的应用研究具有重要的理论和现实意义。 相似文献
6.
神经网络串行训练并行处理 总被引：1，自引：0，他引：1
作者在文中提出一种神经网络串行训练处理方法，它能提高神经网络学习收敛的速度，并达到提高训练精度的要求，此外，该算法还可依据实际问题的需求，自适应地扩展神经网络的容量，使得可最大限度地充分利用已知信息，达到增强神经网络预测结果可靠性的能力，作者在文中还给出了本文算法运用于大庆油田甘开发区块储层油气预测应用实例，效果良好。 相似文献
7.
水—岩相互作用研究及其在石油地质中的应用 总被引：20，自引：2，他引：18
综合评述了国内外在储层成岩演化过程中,流体－矿物相互作用的机理,孔隙流体在次生孔隙形成过程中的作用,流体－矿物相互作用岩石表面润湿性的影响,油气充注聚集对岩石作用的影响等方面的研究进展,并介绍了这些研究成果在储层次生也隙预测,油气运移和油气成藏研究中的应用前景。 相似文献
8.
模式识别技术在赤水天然气勘探的应用 总被引：2，自引：0，他引：2
本文分析了赤水地区近几年使用的几种模式识别应用失败的原因,提出神经网络结合聚类分析储层油气预测方法,并分析其优缺点.指出今后还需总结经验,吸取教训,加强研究,继续深化工作.争取在地震资料模式识别技术上取得较大突破. 相似文献
9.
致密储层油气成藏机理研究现状及其关键科学问题 总被引：4，自引：0，他引：4
致密油气是世界上近20年来勘探、开发和研究的热点。在大量文献资料调研的基础上,首先总结了前人对致密储层特征及成因、致密储层油气形成和分布特征以及致密储层油气运移和聚集机理等方面的研究现状;然后分析了目前国内外有关致密储层油气成藏研究的主要特点;最后提出微米—纳米级孔喉网络系统油气充注、运移和聚集机理是致密储层油气成藏机理的核心科学问题,具体体现为油气由烃源岩向致密储层的充注机理、致密储层微米—纳米级孔喉网络系统油气运移的渗流机理以及致密储层微米—纳米级孔喉网络系统油气的赋存和聚集(滞留)机理3个具体的关键科学问题,而这将是致密储层油气成藏机理下一步研究的重点。 相似文献
10.
11.
致密砂岩气层压裂产能及等级预测方法 总被引：1，自引：0，他引：1
致密砂岩储层孔隙度小、渗透率低、含气饱和度低,基本上没有自然产能,需要进行压裂,因此进行压裂产能的预测很有必要。笔者研究了鄂尔多斯盆地苏里格东部地区盒8段致密砂岩气层的压裂产能及等级预测。利用反映储层流动性质的测井参数(电阻率、自然伽马、声波时差、中子、密度)与反应压裂施工情况的压裂施工参数(单位厚度砂体积、砂比、砂质量浓度、单位厚度排量、单位厚度入井总液量),选择数学统计方法神经网络法进行致密砂岩气层压裂产能等级预测。分析比较Elman神经网络、支持向量回归(SVR)、广义回归神经网络(GRNN)3个神经网络预测致密砂岩气层压裂产能模型的网络结构参数、回判及预测精度以及运行耗费时间。结果表明:3个模型中,GRNN网络参数只有1个,回判和预测精度最高,运行时间小于1 s。因此,选择GRNN模型预测致密砂岩气层压裂产能,并用于苏里格东部地区致密砂岩气层压裂产能的等级预测。等级预测准确率达到90%。 相似文献
12.
补偿模糊神经网络在储层参数预测中的应用 总被引：2，自引：0，他引：2
为了克服常规BP神经网络法在预测储层参数中出现学习速度慢、无法结合专家知识等不足，我们引入了补偿模糊神经网络。它是一个结合了补偿模糊逻辑和神经网络的混合系统，由面向控制和面向决策的神经元组成，其模糊运算采用动态的、全局优化运算，学习速度快、学习过程稳定，将其用于储层参数预测效果良好。 相似文献
13.
Modeling and Interpretation of Pressuremeter Test Results with Artificial Neural Networks 总被引：1，自引：1，他引：0
In this paper, three types of artificial neural network (ANN) are employed to prediction and interpretation of pressuremeter test results. First, multi layer perceptron neural network is used. Then, neuro-fuzzy network is employed and finally radial basis function is applied. All applied networks have shown favorable performance. Finally, different models have been compared and network with the most outstanding performance in two stages is determined. Contrary to conventional behavioral models, models based neural network do not demonstrate the effect of input parameters on output parameters. This research is response to this need through conducting sensitivity analysis on the optimal structure of proposed models. 相似文献
14.
15.
人工神经网络在环境灾害预测中的应用进展 总被引：1，自引：0，他引：1
李英柳 《地质灾害与环境保护》2010,21(1):8-11
综述了近年来人工神经网络在环境灾害预测中的应用进展,包括对污染型环境灾害、生态环境灾害、地质环境灾害以及气象环境灾害等灾害的成灾因素分析、危险性预测以及灾情预测和动态演变规律预测,揭示了人工神经网络探索灾害隐含信息方面的优越性,并对其在环境灾害预测中的应用前景和发展趋势进行了展望。 相似文献
16.
Gülhan Özbayoğlu A. Murat Özbayoğlu M. Evren Özbayoğlu 《International Journal of Mineral Processing》2008
In this research, different techniques for the estimation of coal HGI values are studied. Data from 163 sub-bituminous coals from Turkey are used by featuring 11 coal parameters, which include proximate analysis, group maceral analysis and rank. Non-linear regression and neural network techniques are used for predicting the HGI values for the specified coal parameters. Results indicate that a hybrid network which is a combination of 4 separate neural networks gave the most accurate HGI prediction and all of the neural network models outperformed non-linear regression in the estimation process. 相似文献
17.
为了建立一个适合于三峡库区的塌岸预测方法体系,采用具有处理非线性关系功能的人工神经网络方法对水库塌岸问题进行研究。通过训练、学习和仿真,获得预测正确率为97.2%的具有7-32-14网络结构的BP神经网络模型,采用该模型对蓄水位为175 m时丰都县各岸段进行塌岸预测,并将预测结果与传统经验公式计算法所得结果及实际监测数据进行对比。结果表明:基于人工神经网络的塌岸预测宽度与实际监测数据很接近,偏差在5 m以内;公式法计算结果与监测值平均偏差为15.9 m,而且对于部分坡段,公式法计算结果比实际监测值小8～11 m,没能预测出塌岸的真正范围。采用神经网络模型对丰都县水库进行塌岸预测,预测结果与实际监测数据平均偏差约3.8%,表明其预测结果可靠。 相似文献
18.
This study examined the spatial-temporal variations in seismicity parameters for the September 10th, 2008 Qeshm earthquake in south Iran. To this aim, artificial neural networks and Adaptive Neural Fuzzy Inference System (ANFIS) were applied. The supervised Radial Basis Function (RBF) network and ANFIS model were implemented because they have shown the efficiency in classification and prediction problems. The eight seismicity parameters were calculated to analyze spatial and temporal seismicity pattern. The data preprocessing that included normalization and Principal Component Analysis (PCA) techniques was led before the data was fed into the RBF network and ANFIS model. Although the accuracy of RBF network and ANFIS model could be evaluated rather similar, the RBF exhibited a higher performance than the ANFIS for prediction of the epicenter area and time of occurrence of the 2008 Qeshm main shock. A proper training on the basis of RBF network and ANFIS model might adopt the physical understanding between seismic data and generate more effective results than conventional prediction approaches. The results of the present study indicated that the RBF neural networks and the ANFIS models could be suitable tools for accurate prediction of epicenteral area as well as time of occurrence of forthcoming strong earthquakes in active seismogenic areas. 相似文献