基于粒子群优化算法的小波神经网络缝洞型储层识别模型

详细信息   

• 责任者：罗鑫^c成都理工大学^d1984^e硕士 ; 匡建超 ; 瞿子易 ; 曾剑毅
• 刊名：物探化探计算技术
• 出版年：2009
• 卷期：31^b3总125
• 关键词：裂隙型储集层 ; 神经网络系统11^a济阳坳陷20^a算法 ; 储集层 ; 小波变换 ; 储层预测21^a山东30^a粒子群优化算法31^a桩西埕岛
• 页码：213～217
• 索书号：P630.6/363-14
• 图表：^c表3参15插图
• 分类号：0831,2000
• 文摘期号：2009/11

摘要

针对缝洞型储层识别精度较低这一难题,提出了基于粒子群优化算法的小波神经网络(PSO‐WNN)储层识别模型。以小波函数作为隐含层的激励函数,采用粒子群优化算法,对权值、伸缩参数、平移参数进行调整,构建出基于粒子群优化算法的小波神经网络储层识别模型。该模型具有算法简单、结构稳定、计算收敛速度快、全局寻优能力强、识别精度高、泛化能力强的优点。这里以济阳坳陷桩西埕岛地区古生界潜山缝洞型储层识别为例,利用常规测井参数作为模型的输入参数,以储层类型赋值作为输出,选取九口井的108个已知样本,采用不同隐含层个数对模型进行多次训练。通过对比分析,最终确定隐含层个数为10,建立起该区的Ⅰ类、Ⅱ类、Ⅲ类储层识别模型。利用已建模型对十八个检验样本进行识别,其识别正确率高达100%,而BP神经网络识别正确率为88%。这表明该模型对缝洞型储层的识别效果较好,为缝洞型储层的进一步研究提供了可靠的依据。