论文部分内容阅读
人工神经网络的计算方法是一种非线性处理系统，是根据测井数据进行储层物性参数预测的方法。以往在利用遗传算法预测渗透率的时候，因为只考虑了单一的数据点，没有把临近层位的数据加入学习过程中来，故影响了预测模型的精度和可信度。为弥补这一不足，利用相临多个层位的数据点进行学习，进而建立储层渗透率的预测模型，并在岩心分析化验数据和相关测井曲线数据归一化的基础上，利用改进的开窗技术，借助反馈的神经网络方法对地层的渗透率进行逐点计算。通过北部湾盆地涠西南凹陷的实例实践表明，用该方法预测的渗透率与实测的渗透率的值符合较好。