基于模糊推理过程神经网络的沉积微相判别
2017-09-19刘凌云许少华
计算机技术与发展 2017年9期
刘凌云,许少华,2
(1.东北石油大学 计算机与信息技术学院,黑龙江 大庆 163000;2.山东科技大学 信息科学与工程学院,山东 青岛 266000)
基于模糊推理过程神经网络的沉积微相判别
刘凌云1,许少华1,2
(1.东北石油大学 计算机与信息技术学院,黑龙江 大庆 163000;2.山东科技大学 信息科学与工程学院,山东 青岛 266000)
迄今,现有的油田进行沉积微相模式识别时大多选取测井曲线的静态定量数据,其难以反映测井相的深度累积效应对沉积微相模式识别的影响。针对上述不足,选取测井曲线中可处理的定量与定性混合过程信息,构建并提出了模糊推理和过程神经网络相结合的判别模型,以实现沉积微相的判别。该模型基于模糊集理论对测井相的定性信息进行定量处理,以简化判别规则,并提取有效的判别数据,从而提高沉积微相判别的精度;根据测井相数据随深度变化的特征曲线,采用过程神经网络的过程式输入优势,通过不断优化过程神经网络的学习机制来提高沉积微相判别的准确度。实验结果表明,基于模糊推理过程神经网络模型的沉积微相模式识别方法精度高、速度快,是一种比较实用的沉积微相识别方法。
模糊推理;过程神经网络;学习算法;沉积微相判别
0 引 言
对于正在进行勘探开发的油田,沉积微相判别有助于工作人员了解油井的地下油层结构并分析储层特性[1];随着油气田勘探开发程度的逐年提高,越发增加了寻找储集相带的难度,为解决这一难题,就必须对储层进行沉积微相分析[2]。……
登录APP查看全文
