优化BP神经网络在川西上三叠统陆相页岩含气性预测中的应用
【出 处】:
【作 者】:
周广照
[1]
李显明
[2]
黄斌
[2]
余荣富
[3]
邹海燕
[2]
孙未国
[4]
【摘 要】含气性评价是页岩储层优选及甜点区优选的关键,但页岩储层在纵向上具有强非均质性及含气性差异,常规含气性评价方法预测效果较差.为了克服该问题,本文引入LM算法,利用优化BP神经网络模型对川西上三叠统陆相页岩储层含气性进行测井评价.研究结果表明,TOC含量、粘土矿物含量、岩石密度、有效孔隙度、气相渗透率及含气饱和度6个测井参数对页岩储层总合气量的影响程度最大.优选这6个测井参数作为输入层样本,进行LM-BP神经网络训练.页岩储层总合气量预测结果的相对误差分布在0.1%~15%,平均相对误差为5.52%,误差较小,表明该方法的有效性.
相关热词搜索: BP神经网络 页岩 含气性 预测
上一篇: 基于地球物理模型实验的波场特征
下一篇: 四川江油含增一带下石炭统顶部生物灰岩层特征及其沉积环境