应用BP神经网络预测油页岩含油率
根据测井资料计算油页岩含油率多采用△logR法或改进的△logR法,这些方法中参数获取过程中易产生诸多误差,且这些方法是建立在油页岩含油率与特征测井曲线值是线性关系的基础上的,而在实际非均质性地层中,测井对油页岩含油率参数的响应在本质上必然是非线性的。基于此,运用BP神经网络来预测柴达木盆地北部地区侏罗纪油页岩含油率。首先分析研究区段测井数据的数理统计分布特征,在优选学习样本的基础上再采用一种基于LM( Levenberg-Marquardt)算法的BP神经网络进行含油率预测,最后得出一组由40个连接权值与11个阈值组成的含油率参数解释模型,油页岩含油率预测值与岩心实验室分析值吻合很好,均方误差能控制在0.1918。因此,运用此模型可以预测相同地质背景条件下的油页岩含油率。
油页岩、含油率、测井参数、BP神经网络、测井解释模型
TP183(自动化基础理论)
2013年度青海省地质勘查基金资助项目青国土资[2013]64号文件。
2014-12-30(万方平台首次上网日期,不代表论文的发表时间)
共4页
186-189