神经网络在测井解释中的应用

对测井资料进行必要的预处理和合理的取舍后，与地质参数结合，建立起正确的样本集。设计ＢＰ网神经网络，修改神经元作用函数，调整神经元的权值递推式，对样本进行网络训练，在网络系统误差小于允许误差时，网络训练结束。使用得到的网络模型参数，就能得到所需结果。输入测井资料、计算储层参数，计算结果与岩心分析结果相比较，其误差很小。在测井所处理的储层参数与储层产能对应关系很差的情况下，将储层参数与储层产能挂钩，设计ＢＰ网络进行样本训练，训练过程中修整了步长调整因子和平滑因子，得到网络模型参数后进行储层产能评价，效果很好，精度较高。对汉明网络的结构、神经元的权值、域值和输出函数作了改进，使其适用于输入为连续值的模式识别，经实际资料处理证实，该网络有较强的模式识别能力，并见到良好效果。