投稿须知
    1文稿的内容要齐全、完整,文章的撰写项目及其顺序为:标题,作者姓名,作者工作单位,邮政编码,中文摘要(200~300字),关键词(3~8个),中图分类号,英文题目、英文作者姓名和工作单位、英文摘要和英文关键词(英文与中文内容相符),正文,参考文献。另外,请在文末提供本文 ...

基于离散过程神经网络页岩油气储层有机碳含量预测

作者: 刘志刚 肖佃师 许少华    东北石油大学计算机与信息技术学院 黑龙江大庆163318 中国石油大学非常规油气与新能源研究院 山东青岛266580 山东科技大学信息科学与工程学院 山东青岛266590

关键词: 总有机碳 离散过程神经网络 网络训练 Moore-Penrose广义逆

摘要:受地层岩性变化影响,传统方法进行有机碳含量(TOC)拟合预测精度偏低。为提高TOC拟合精度,减小普通神经网络对连续信号的时间累积误差,提出一种极限学习离散过程神经网络的TOC拟合预测模型。模型用向量模拟过程式输入,内部通过抛物插值的数值积分完成离散样本的时域聚合。通过对离散过程神经元的结构分析,提出极限学习训练算法,在隐层相关参数随机赋值后,通过Moore-Penrose广义逆求解输出权值,模型学习速度快。最后将该方法应用于TOC拟合预测,利用相关性分析,选取对TOC响应最敏感的测井曲线作为模型的特征输入。与传统方法和其他神经网络对比,该方法的拟合精度较高,预测TOC与实测值有更好的相关性。


上一篇:地层水矿化度对含水饱和度精度的影响分析
下一篇:含水合物沉积物二维声学特性实验研究

版权所有:中国石油大学(华东)地址:青岛市黄岛区长江西路66号 邮编:266580
山东省东营市东营区北一路739号 邮编:257061鲁ICP备05021531号