应用改进的神经网络学习方法预测储层参数

被引：4

作者：

杨辉廷

颜其彬

李敏

张吉

机构：

[1] 四川石油管理局博士后工作站物探公司分站,西南石油学院资源与环境学院,中国石油辽河油田分公司勘探开发研究院,西南石油学院资源与环境学院

来源：

天然气工业 | 2005年 / 06期

关键词：

神经网络; 储集层; 参数; 测井解释; 塔里木盆地;

D O I：

暂无

中图分类号：

P631.84 [];

学科分类号：

0818 ; 081801 ; 081802 ;

摘要：

人工神经网络理论在石油科学的研究中具有重要的理论和现实意义。文章在分析了模拟退火算法和变尺度法各自的优势和原理基础上,针对前向网络反向传播算法(BP)收敛速度缓慢和易陷入局部极值点的缺点,将有全局寻优特性的模拟退火算法(SA)和快速收敛的局部寻优变尺度算法(BFGS)有效地结合,提出了一种快速、高效的前向网络混合学习策略,即SA—BFGS混合算法来训练网络。用它代替传统BP网络中的梯度下降法,通过训练网络权值,使网络具有较快的收敛速度和较高的逼近精度。在测井资料计算储层参数的实际应用中,该法能极大地改进前向网络的收敛速度与收敛性能,处理速度快、稳定性好、可信度高,具有较好的应用前景。

引用

页码：37 / 39+169 +169

页数：4