节点文献

基于PSO优化的RBF神经网络在地震测井联合反演中的应用

Application of RBF Neural Network in Joint Inversion of Seismic Logging Based on PSO Optimization

  • 推荐 CAJ下载
  • PDF下载
  • 不支持迅雷等下载工具,请取消加速工具后下载。

【作者】 马海王延江魏茂安胡睿

【Author】 MA Hai, WANG Yan-jiang (College of Information and Control Engineering, China University of Petroleum, Dongying 257061, Shandong, China)WEI Mao-an, HU Rui (Drilling Technology Research Iinstitute, Shengli Oilfield Company, SINOPEC, Dongying 257017, Shandong, China)

【机构】 中国石油大学信息与控制工程学院胜利油田有限公司钻井工艺研究院胜利油田有限公司钻井工艺研究院 山东东营257061山东东营257061山东东营257017

【摘要】 目前,钻井地质特征参数的获得主要依赖于地震、测井资料,对待钻井而言,则只有地震信息。而若缺乏详细的地质信息,利用地震信息很难精确地推算各种地质参数。可首先利用已钻井地震信息和测井信息的映射关系,结合待钻井的地震信息,来预测待钻井的测井信息。采用PSO优化的RBF神经网络算法进行地震测井反演,并将该算法应用于准噶尔盆地永字号井。该算法与最小二乘RBF神经网络算法和梯度下降RBF神经网络算法相比,在平均绝对误差、平均相对误差、最大误差、相关系数、数据方差以及收敛速度等方面都是最优的。

【Abstract】 To obtain geologic characteristic parameters mainly depended on seismic and logging data, while for well drilling, only seismic information was available. It was difficult to predict various geologic data without detail geologic information. In combination of seismic information with the data of well drilling, the mapping relation between the seismic information and logging information could be firstly used to predict logging information in drilling, PSO optimized RBF neural network algorithm was used for seismic inversion and the algorithm was used in the Wells Yong of Junggar Basin. Comparing with least square RBF and gradient descent RBF neural network methods, it is optimized in areas of absolute error, average relative error, maximum error, correlation coefficient, variance and convergence rate.

【基金】 中国石油化工股份有限公司重点科技攻关项目(JP04014)
  • 【文献出处】 石油天然气学报 ,Journal of Oil and Gas Technology , 编辑部邮箱 ,2008年01期
  • 【分类号】P631.815
  • 【被引频次】2
  • 【下载频次】245
节点文献中: 

本文链接的文献网络图示:

本文的引文网络