構(gòu)造性神經(jīng)網(wǎng)絡(luò)學習算法在油藏參數(shù)預(yù)測中的應(yīng)用.pdf

1、目前，隨著易于尋找的構(gòu)造型油氣藏的減少，油氣資源勘探變得困難。因此油藏描述技術(shù)就成為油氣資源勘探開發(fā)工程中必不可少的核心技術(shù)之一，而油藏參數(shù)(包括滲透率、飽和度和孔隙度以及油層巖性等)的預(yù)測是油藏描述的最重要方面。 傳統(tǒng)的BP神經(jīng)網(wǎng)絡(luò)雖有結(jié)構(gòu)簡單，工作狀態(tài)穩(wěn)定、易于硬件實現(xiàn)等優(yōu)點，但由于它是一個梯度下降優(yōu)化過程，所以也存在需要較長的訓練時間，局部極小值，隱元數(shù)目難以確定等缺點。為此本文采用“構(gòu)造性神經(jīng)網(wǎng)絡(luò)學習算法”對油藏參數(shù)進行

2、分析、預(yù)測，增強了油藏描述技術(shù)的可靠性。 論文的創(chuàng)新點和主要內(nèi)容如下： 通過對現(xiàn)行神經(jīng)網(wǎng)絡(luò)油藏描述存在的問題分析和討論，提出運用構(gòu)造性神經(jīng)網(wǎng)絡(luò)學習算法進行油藏建模，構(gòu)建的網(wǎng)絡(luò)具有最小拓撲，用戶不必擔心網(wǎng)絡(luò)拓撲結(jié)構(gòu)的設(shè)計，由于算法結(jié)構(gòu)屬于監(jiān)督類神經(jīng)網(wǎng)絡(luò)學習結(jié)構(gòu)，加快了網(wǎng)絡(luò)學習訓練速度，有效地解決了傳統(tǒng)的神經(jīng)網(wǎng)絡(luò)學習算法收斂速度慢、不穩(wěn)定等缺點；對預(yù)測結(jié)果進行誤差分析，充分的驗證和說明了預(yù)測模型的性能。 本文運用級聯(lián)