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。