| 基于粒子群算法的模糊优选神经网络储层识别模型 |
| |
| 引用本文： | 张银德,匡建超,曾剑毅.基于粒子群算法的模糊优选神经网络储层识别模型[J].物探化探计算技术,2008,30(3):202-205. |
| |
| 作者姓名： | 张银德 匡建超 曾剑毅 |
| |
| 作者单位： | 成都理工大学能源学院,四川,成都,610059 |
| |
| 摘 要： | 针对致密储层中气水干层识别准确率较低这一难题,提出基于粒子群算法(particle swarm optimization,PSO)的模糊优选神经网络识别模型.其基本思路:首先对所有的变量进行分析,提取反映储层本质的主要属性,消除重叠信息的输入,然后将粒子群算法与模糊优选神经网络相结合,构建基于粒子群算法的模糊优选神经网络识别模型.以陕甘宁盆地中部气田马五1储层气水干层识别问题为例,选用十九口井分层测试的92个已知样本(其中八十个用于模型构建,十二个用于精度检验),对物性、测井和储渗特征等方面的十个特征参数进行分析,从中提炼出电阻率、自然伽玛、产能系数、储渗因子、介质类型因子等五个主成份控制特征参数,消除重叠信息的影响.并以此作为神经网络输入层的输入,以样本储层的产能赋值作为输出,构建基于粒子群算法的模糊优选神经网络模型.模型的识别正确率达到100%,标准误差比传统模糊神经网络降低了60%.这表明该模型具有更高的识别精度,为致密储层的准确识别探索了又一种新方法,对同类地区的研究在一定程度上具有指导作用.
|
| 关 键 词： | 粒子群算法 神经网络 模糊优选 储层识别 粒子群算法 模糊优选 神经网络 储层 识别模型 based neural network optimum selection fuzzy model 作用 指导 程度 研究 地区 方法 识别精度 误差比 标准 识别正确率 |
| 文章编号： | 1001-1749(2008)03-0202-04 |
| 修稿时间： | 2007年10月17 |
The reservoir distinguishing model of fuzzy optimum selection neural network based on PSO |
| |
| ZHANG Yin-de,KUANG Jian-chao,ZENG Jian-yi.The reservoir distinguishing model of fuzzy optimum selection neural network based on PSO[J].Computing Techniques For Geophysical and Geochemical Exploration,2008,30(3):202-205. |
| |
| Authors: | ZHANG Yin-de KUANG Jian-chao ZENG Jian-yi |
| |
| Abstract: | |
| |
| Keywords: | |
| 本文献已被 维普 万方数据 等数据库收录！ |
|
