摘要
利用BP人工神经网络建立了油气水层的解释模型 ,给出了改进的BP训练算法 ,应用这种神经网络油气水层解释模型适时评价了新井 10 6层数据 ,经试油验证 2 2层 ,其中 19层符合 ,解释符合率为 86 3% ,网络模型识别率为 10 0 % ;在同样精度下 ,改进算法学习时间是BP算法的 4 7% ,且系统稳定。改进的神经网络算法是一种有效综合解释油气水层的新方法 ,具有学习、记忆、自适应等功能 ,可最大限度地综合运用多项原始资料 ,具有其他解释方法不可比拟的优点 。
A oil-gas interpretation model is built based on BP artificial neural network, and improved BP training algorithms is given. The model is used for the evaluation of reservoir characteristics, and the result shows it has the advantages of iapid convergence and high classification precision. Provided with the functions of learning, memory and self adaptation, the improved neural network algorithms offers a new means for comprehensive interpretation in well logging.\;
出处
《石油机械》
北大核心
2004年第3期28-29,61,共2页
China Petroleum Machinery
