10.3969/j.issn.1673-629X.2017.09.035
基于模糊推理过程神经网络的沉积微相判别
迄今,现有的油田进行沉积微相模式识别时大多选取测井曲线的静态定量数据,其难以反映测井相的深度累积效应对沉积微相模式识别的影响.针对上述不足,选取测井曲线中可处理的定量与定性混合过程信息,构建并提出了模糊推理和过程神经网络相结合的判别模型,以实现沉积微相的判别.该模型基于模糊集理论对测井相的定性信息进行定量处理,以简化判别规则,并提取有效的判别数据,从而提高沉积微相判别的精度;根据测井相数据随深度变化的特征曲线,采用过程神经网络的过程式输入优势,通过不断优化过程神经网络的学习机制来提高沉积微相判别的准确度.实验结果表明,基于模糊推理过程神经网络模型的沉积微相模式识别方法精度高、速度快,是一种比较实用的沉积微相识别方法.
模糊推理、过程神经网络、学习算法、沉积微相判别
27
TP301(计算技术、计算机技术)
黑龙江省教育科学技术研究资助项目12541086
2017-10-11(万方平台首次上网日期,不代表论文的发表时间)
共5页
161-165