基于改进雨林模糊神经网络模型的页岩储层总有机碳含量评价方法

发布时间：2017-08-22 03:12

  本文关键词：基于改进雨林模糊神经网络模型的页岩储层总有机碳含量评价方法

  更多相关文章： 页岩 总有机碳含量 模糊神经网络 改进的雨林算法 泛化能力

【摘要】：由于采用常规测井曲线评价页岩储层总有机碳含量的精度不高,泛化能力不强,需要大量样本。针对这些问题,改进了神经网络算法,以增加模型的预测能力。利用模糊系统优化细胞神经网络结构,以增强其逻辑推理能力,提高其对模糊数据的敏感性;选择能有效避免"虚拟碰撞"的雨林算法,并针对其存在的缺陷进行改进;利用改进雨林优化算法对网络的初始权值阈值进行优化,避免网络陷入局部极小。分析测井特征曲线的物理意义,选择密度测井曲线与自然伽马能谱测井曲线作为网络的输入,以总有机碳含量作为输出,通过70块岩心样本网络学习与26块岩心样本预测,证明了新网络模型的优越性。结果表明,新模型回判将相对误差从23.189%减小到17.185%,预测相对误差由52.421%减小到15.158%,具有更强的学习能力与泛化能力,更适用于页岩储层总有机质含量的测井评价。
【作者单位】： 油气资源与勘探技术教育部重点实验室 长江大学地球物理与石油资源学院;
【关键词】： 页岩 总有机碳含量 模糊神经网络 改进的雨林算法 泛化能力
【基金】：国家自然科学基金重点项目(41404084) 湖北省自然科学基金(2013CFB396)联合资助
【分类号】：P618.13;P631.81
【正文快照】： 朱林奇,张冲*,魏e，

本文编号：716708