粗糙集-磷虾觅食神经网络在孔隙度预测中的应用

摘要：

针对复杂岩性碳酸盐岩储层孔隙度预测精度不高的问题,首先利用邻域粗糙集选取孔隙度敏感曲线,将选取后的曲线作为BP神经网络的输入,建立BP神经网络孔隙度预测模型;针对BP神经网络存在的易陷入局部最小等问题,对网络拓扑结构参数进行调整实验,用磷虾觅食算法对BP神经网络初始权值阈值优化,建立基于粗糙集-磷虾觅食算法的神经网络孔隙度预测模型.将此模型应用于某油田A井中,与改进前BP神经网络、体积模型等模型精度对比,证明了新网络模型的优越性.结果表明新模型回判将预测精度从26.5％减小到7.05％,具有更强的学习能力,更适用于复杂岩性储层总孔隙度的测井评价.

关键词：地质学、计算机应用、复杂岩性储层、孔隙度、邻域粗糙集、随机森林、改进BP神经网络

所属期刊栏目：12

分类号：P631.8

资助基金：国家自然科学基金资助项目41504094

在线出版日期：2017-12-11（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：990-998