一种人工智能核磁渗透率预测方法.pdfVIP

JOURNALOFJIANGSU UNIVERSITY(NaturalScienceEdition、 一_／II doi：10．3969／j．issn．1671—7775．2011．05．014 一 种人工智能核磁渗透率预测方法 周 宇 ，魏 国齐 ，郭和坤 (1．中国科学院 渗流流体力学研究所 ，河北 廊坊 065007；2．中国石油勘探开发研究院廊坊分院，河北廊坊 065007) 摘要：针对 目前常用预测方法难 以较好地模拟核磁共振测量结果和渗透率之间复杂关系的问题， 提出了一种应用人工智能算法预测核磁渗透率的新方法．在新方法中，采用了神经网络建立核磁测 量结果和渗透率之间的关系；用遗传算法为神经网络选择最佳参数和初始值；用基于信息增益的数 据挖掘技术对渗透率的相关参数进行优选．对来 自松辽盆地的岩石样品进行试验，以验证这一模型 的有效性．结果表明：新模型弥补了神经网络容易产生局部极小和根据主观经验设定网络参数这2 个重要缺陷；与传统方法相比，将渗透率的平均相对误差从207．3％降低到了68．6％． 关键词：岩心分析；核磁共振；渗透率；神经网络；遗传算法 中图分类号：TE311；T319 文献标志码 ：A 文章编号：1671—7775(2011)05—0569～04 Permeabilityestimation in nuclearmagneticresonance measurementsbyartificialintelligence ZhouYu ，WeiGuoqi，GuoHekun (1．InstituteofPorousFluidMechanics，ChineseAcademyofSciences，Langfang。Hebei065007，China；2．LangfangBranch，PetroChina Research InstituteofPetroleum Exploration ＆ Development，Langfang， Hebei065007，China) Abstract：Tosolvetheproblem thatitisdifficulttosimulatethecomplex relationship betweennuclear magneticresonance(NMR)measurenlentsandpermeabilityinconventionalestimationmethod，anew methodwasproposedbasedonartificialintelligencealgorithm．Neuralnetworkwasadoptedtoestablish therelationshipbetweenpermeabilityandNMRmeasurements．Geneticalgorithm wasusedtoselectthe optimalparametersandinitialvaluefortheneuralnetwork．Basedoninofrmationgainprinciple，theneu— ralnetworkinputparameterswereoptimizedfrom correspondingdata．Thenew techniquewasvalidated bytheexperimentsofrocksamplefrom Songliaobasin．Theresultsshowthattwomajorneuralnetwork problemsoflocalminima and parameterselection dependingon experience can be solvedby thenew method．Theprediction averagerelative errorcan bemarkedlyreducedfrom 207．3％ ofconventional methodto68．6％ ofproposedmethod． Keywords：coreanalysis；nuclearma