储层属性的遗传神经克里金插值方法及其应用

被引：6

作者：

邵才瑞 ^{[1
]}

印兴耀 ^{[1
]}

李洪奇 ^{[2
]}

张福明 ^{[1
]}

关丽 ^{[1
]}

机构：

[1] 中国石油大学地球资源与信息学院

[2] 中国石油大学资源与信息学院

来源：

中国石油大学学报(自然科学版) | 2007年 / 05期

关键词：

储层属性; 神经网络; 变异函数; 遗传算法; 插值; 预测;

D O I：

暂无

中图分类号：

P618.13 [石油、天然气]; P628 [数学勘探];

学科分类号：

摘要：

储层属性参数预测是油藏描述的一项重要基础工作,克里金或神经网络插值法是较为有效的简便预测方法。针对克里金法具有平滑性、神经网络难以反映变量的空间相关性等缺点,用变异函数修正了神经网络的目标函数,并利用遗传算法对神经网络进行全局优化,形成了一种遗传神经克里金混合插值方法。应用实例表明,该方法具有神经网络较好的自学习、自适应能力;利用变异函数能较好地恢复数据的空间相关性;通过遗传算法全局优化,克服了神经网络目标函数容易陷入局部极小的缺点;对不同空间分布的样本点均能得到稳定的插值结果,具有比其他插值方法更高的精度和稳定性。

引用

页码：35 / 40

页数：6

共 14 条

[1] 基于遗传与BP混合算法神经网络预测模型及应用 [J].