基于混合降维Elman神经网络的砂岩储层物性参数智能计算研究

摘要：

针对实验室测定岩石储层物性参数在实际应用中的成本问题,提出一个基于混合降维Elman神经网络的砂岩储层物性参数计算的智能方法.首先利用灰色关联分析对岩石薄片特征参数与其物性参数进行关联度计算,优选关联度较高的若干参数;其次使用主成分分析对选出的特征参数二次降维,最后应用Elman神经网络寻找岩石薄片特征参数与其物性参数之间的映射关系.选取鄂尔多斯盆地吴旗地区薛岔区块延长组储层砂岩样本的薄片鉴定与物性分析数据对方法进行测试,实验结果表明,计算得到的孔隙度与渗透率平均相对误差分别为7.28％和6.25％,混合降维方法在收敛速度和计算精度方面也得到提高.因此,基于混合降维Elman神经网络方法能够利用成本较低的岩石薄片相关资料快速并准确地计算砂岩储层物性参数,具有较高的可靠性、实用性以及应用前景.

关键词：混合降维、Elman神经网络、砂岩储层、物性参数、智能计算

所属期刊栏目：14

分类号：TE155;TP183(石油、天然气地质与勘探)

资助基金：国家自然科学基金项目40872087

在线出版日期：2014-05-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：24-28,32