| 基于粒子群优化算法的小波神经网络缝洞型储层识别模型 |
| |
| 引用本文： | 罗鑫,匡建超,瞿子易,曾剑毅.基于粒子群优化算法的小波神经网络缝洞型储层识别模型[J].物探化探计算技术,2009,31(3):213-217. |
| |
| 作者姓名： | 罗鑫 匡建超 瞿子易 曾剑毅 |
| |
| 作者单位： | 成都理工大学能源学院,四川,成都610059 |
| |
| 基金项目： | 四川省学术与技术带头人培养项目 |
| |
| 摘 要： | 针对缝洞型储层识别精度较低这一难题，提出了基于粒子群优化算法的小波神经网络（PSO—WNN）储层识别模型。以小波函数作为隐含层的激励函数，采用粒子群优化算法，对权值、伸缩参数、平移参数进行调整，构建出基于粒子群优化算法的小波神经网络储层识别模型。该模型具有算法简单、结构稳定、计算收敛速度快、全局寻优能力强、识别精度高、泛化能力强的优点。这里以济阳坳陷桩西埕岛地区古生界潜山缝洞型储层识别为例，利用常规测井参数作为模型的输入参数，以储层类型赋值作为输出，选取九口井的108个已知样本，采用不同隐含层个数对模型进行多次训练。通过对比分析，最终确定隐含层个数为10，建立起该区的Ⅰ类、Ⅱ类、Ⅲ类储层识别模型。利用已建模型对十八个检验样本进行识别，其识别正确率高达100％，而BP神经网络识别正确率为88％。这表明该模型对缝洞型储层的识别效果较好，为缝洞型储层的进一步研究提供了可靠的依据。
|
| 关 键 词： | 缝洞型储层 粒子群优化算法 小波神经网络 储层识别 |
The fractured-vuggy reservoir identification model of PSO-based wavelet neural network |
| |
| Abstract: | |
| |
| Keywords: | |
| 本文献已被 维普 万方数据 等数据库收录！ |
|
