RBF神经网络在储层表征中的应用研究.pdfVIP

维普资讯 174 2007，43(8) ComputerEngineeringandApplications计算机工程与应用 RBF神经网络在储层表征中的应用研究 周冠武，程国建 一 ZHOUGuan-wu,CHENG Guo-jian 西安石油大学，计算机学院。西安 710065 SchoolofComputerScience，Xi’anShiyouUniversity，Xi’an710065，China E-mail：cpilzhou@yahoo．com．cn _ ZMOUGmm-wu，CRENGGuo-jian．BRFneuralnetworksforpetroleum reservoircharacterization．ComputerEllginee g andApplications，2007,43(8)：174-176． Abstract：Thispaperstudiestheparametercalculation relating topetroleum reservoircharacterization and lihtologicidentification basedonRBFneuralnetworks．Twomodelsforreservoirparameters(permeability)predictionandlithologicidentificationhavebeen builtandtIleyareappliedtopredicthteunknown samples．Thepredictionresultofrreservoirpemreabiliyt hashigherconsistencywitIl htepracticalCages．Theprediction and identification precision havebeen greatly improved compared tohte traditionalBP neural newtorks．Th eresultsshow htathteRBF neuralnetwork isverypremisingforhteapplicationofpetroleum reservoircharacterization． Keywords：RBFneuralnetworks；reservoircharacterization；lihtologic identification；pemreba ilityprediction 摘 要．：研究利用RBF神经网络技术进行石油储层表征中有关储层参数的计算与岩性的识别；建立了储层参数 (渗透率)预测模 型与岩性识别模型，并利用该两个模型对未知样本进行预测，预测结果与实际测量结果相 比具有较好的一致性，其渗透率预测精 ～ 度与收敛速度较BP神经网络模型有了很大的提高；应佣表明，RBF神经网络在储层表征问题中有着广阔的应用前景。 关键词：RSF神 网络；储层表征；岩性识别；渗透率预测 文章编号：100228331(2007)08—0174-03 文献标识码 ：A 中图分类号：TP391．9 1 引言 人脑和神经系统研究成果的启发而开发的一类数值优化算法， 储层表征的主要 目标是建立孔隙度、含水饱和度与渗透率 即ANN是一种能够在经过训练后，进行模式识别的非线性动 等岩石物理属性酌数值模型。为油、气藏数值模拟提供输入数 力系统。ANN训练过程包括提供一组输入值和理想的输出值 据Iq。获得孔隙度、渗透率和含有饱和度的传统方法主要是通过 (iJiI练模式)。实际上，ANN定义了一个非常复杂的