| 基于线性回归与神经网络的储层参数预测复合方法 |
| |
| 引用本文： | 项云飞,康志宏,郝伟俊,付康宁,王福顺.基于线性回归与神经网络的储层参数预测复合方法[J].科学技术与工程,2017,17(31). |
| |
| 作者姓名： | 项云飞 康志宏 郝伟俊 付康宁 王福顺 |
| |
| 作者单位： | 中国地质大学（北京）能源学院,中国地质大学（北京）能源学院,北京市海淀区学院路29号中国地质大学（北京）,北京市海淀区学院路29号中国地质大学（北京）,北京市海淀区学院路29号中国地质大学（北京） |
| |
| 基金项目： | 国家自然科学基金项目（41272132）和中国地质调查局地质调查项目（2-1-2010-18-A和12120115002901-04）资助 |
| |
| 摘 要： | 为提高储层参数的预测精度,提出一种利用测井资料,结合多元线性回归和神经网络预测储层参数的新的复合方法,具体分两步:(1)通过多元线性回归分析建立回归值y'的计算模型,将y'作为储层参数的初步预测值;(2)通过RBF神经网络建立y'的残差Δd的预测模型,将预测结果Δd作为y'的非线性误差补偿,最终建立储层参数解释模型,y=y'+Δd。基于该方法,结合测井资料和岩心数据,建立了鄂尔多斯盆地某致密砂岩气田M3井区S_2~2、T_2~2段孔隙度和含水饱和度的测井解释模型,结果显示,新方法建立的模型预测值与S_2~2、T_2~2段实际岩心孔隙度、含水饱和度值的平均相对误差均小于17%,明显优于单独根据多元线性回归分析或RBF神经网络建立的解释模型,预测精度更高。
|
| 关 键 词： | 储层参数 测井 多元线性回归 RBF神经网络 残差 |
| 收稿时间： | 2017/2/22 0:00:00 |
| 修稿时间： | 2017/5/8 0:00:00 |
A composite method of reservoir parameter prediction based on linear regression and neural network |
| |
| Xiang Yunfei,Hao Weijun,Fu Kangning and Wang Fushun.A composite method of reservoir parameter prediction based on linear regression and neural network[J].Science Technology and Engineering,2017,17(31). |
| |
| Authors: | Xiang Yunfei Hao Weijun Fu Kangning and Wang Fushun |
| |
| Institution: | School of Energy Resources, China University of Geosciences,,School of Energy Resources, China University of Geosciences,School of Energy Resources, China University of Geosciences,School of Energy Resources, China University of Geosciences |
| |
| Abstract: | |
| |
| Keywords: | Reservoir parameters Logging Multiple linear regression RBF neural network Residual error |
| 本文献已被 CNKI 等数据库收录！ |
| 点击此处可从《科学技术与工程》浏览原始摘要信息 |
| 点击此处可从《科学技术与工程》下载免费的PDF全文 |
|
