| 人工智能神经网络在岩性识别、孔隙度和渗透率预测中的应用——以十红滩铀矿床为例 |
| |
| 引用本文： | 李继安.人工智能神经网络在岩性识别、孔隙度和渗透率预测中的应用——以十红滩铀矿床为例[J].西北地质,2010,43(2):32-37. |
| |
| 作者姓名： | 李继安 |
| |
| 作者单位： | 核工业203研究所,陕西,咸阳,712000 |
| |
| 基金项目： | "十一五"国家科技支撑计划重点项目 |
| |
| 摘 要： | 分析了传统测井解释方法的局限性。从神经网络的机理、特点出发,提出了一种基于人工智能神经网络技术的岩性识别、孔隙度和渗透率预测方法。首先选取适当的测井资料向量组成一个训练模式对,由多个训练模式对构成一个学习样本集。通过神经网络的学习,使网络记住这些特征并形成预测模型,最后根据预测模型计算相应参数。以十红滩地区的找矿目的层为对象,进行了岩性分析与对比,预测了孔隙度与渗透率,并与实测值进行了对比。上述实例分析表明,该方法用于砂岩型铀矿预测岩性、孔隙度和渗透率具有一定的可行性。与传统方法相比,该方法不需要建立具体的解释模型和计算公式,有较好的适应性和预测精度。基于人工智能神经网络技术的岩性识别、孔隙度和渗透率预测方法具有较高的实用价值。
|
| 关 键 词： | 人工智能神经网络 岩性识别 孔隙度和渗透率预测 |
| 本文献已被 CNKI 维普 万方数据 等数据库收录！ |
|
