| 偏最小二乘神经网络在储层识别和产能预测中的应用--以陕甘宁盆地中部气田马五1储层为例 |
| |
| 引用本文： | 刘锡健,匡建超.偏最小二乘神经网络在储层识别和产能预测中的应用--以陕甘宁盆地中部气田马五1储层为例[J].矿物岩石,2005,25(4):80-84. |
| |
| 作者姓名： | 刘锡健 匡建超 |
| |
| 作者单位： | 1. 成都理工大学,四川,成都,610059;中国石油化工集团公司,山东,东营,257000
2. 成都理工大学,四川,成都,610059 |
| |
| 摘 要： | 针对致密储层中气水干层识别和产能预测准确率较低这一难题，提出偏最小二乘神经网络方法：用偏最小二乘方法对输入自变量集进行主成分提取预处理，消除重叠的输入信息，用可变学习速率反向传播算法（VLBP）和附加动量方法（AMOBP）构建BP储层识别和产能预测的网络模型。以陕甘宁盆地中部气田马五。储层气、水、干层识别问题为例，选用19口井分层测试的92个已知样本，在提取物性、测井和储渗特征等方面的14个特征参数后，通过偏最小二乘方法提炼得到电阻率（Rlld）、声波时差（△t）、产能系数（kh）、储渗因子（KФs）、介质类型因子（EE）等5个主成分控制特征参数，消除了信息的重叠。以此为神经网络输入元，以样本储层的类型与产能级别为输出，用VLBP和AMOBP算法建立储层识别和产能预测的BP网络模型。模型的吻合率迭100％，均方误差比传统三层网络降低约50％。表明该模型的计算收敛速度快。精度高，为致密储层的准确识别探索了又一新的方法。
|
| 关 键 词： | 陕甘宁盆地 中部气田马五 储层 储层识别 产能预测 偏最小二乘神经网络 |
| 文章编号： | 1001-6872（2005）04-0080-05 |
| 收稿时间： | 2005-05-18 |
| 修稿时间： | 2005-07-02 |
APPLYING OF THE PARTIAL LEAST SQUARES REGRESSION AND NEURAL NETWORK MODEL TO DISTINGUISHING RESEVOIR AND PREDICTING PRODUCT IN THE GASFIELD--An case study from the MA51 Member in the central gasfield of ShangXi-GanSu-NingXia basin |
| |
| LIU Xi-jian,KUANG Jian-chao.APPLYING OF THE PARTIAL LEAST SQUARES REGRESSION AND NEURAL NETWORK MODEL TO DISTINGUISHING RESEVOIR AND PREDICTING PRODUCT IN THE GASFIELD--An case study from the MA51 Member in the central gasfield of ShangXi-GanSu-NingXia basin[J].Journal of Mineralogy and Petrology,2005,25(4):80-84. |
| |
| Authors: | LIU Xi-jian KUANG Jian-chao |
| |
| Institution: | 1. Chengdu Univercity of Technology,Sichuan,Chengdu 610059,China ; 2. Shandong Representative Office of Finance Co. Ltd of Sinopec,Dongying 257000,China |
| |
| Abstract: | |
| |
| Keywords: | Shangxi-Gansu-Ningxia basin the MA51 Member in the central gasfield distinguishing resevoir predicting product partial least squares regression and neural network |
| 本文献已被 CNKI 维普 万方数据 等数据库收录！ |
