神经网络专家系统在试井解释中的应用

论述了应用专家系统和人工神经网络自动识别试井解释模型的新方法．首先应用人工智能对试井解释模型的压力导数图进行识别，建立了用专家系统构成模块式识别系统；然后应用人工神经网络实现试井解释模型识别；该系统能根据新的试井资料识别试井解释模型；最后，神经网络和专家系统相结合用于试井解释．油田实际试井数据的识别结果说明该方法是一种非常有效的识别方法，对不完全的，有噪声的试井数据也能有效地识别，识别准确率较其它方法都有较大提高     

试井分析专家系统

人工智能在试井分析领域中的应用,是近几年才兴起来的课题。但试井解释这一问题的本质决定了引入人工智能的必然性。本文论述了专家系统在试井解释领域中的应用和研究方向,详细介绍了所开发的试井分析专家系统的组成和结构,及各部组成的建立方法和工作机理。并用所建专家系统进行了实例分析解释。     

人工智能在试井解释中的应用研究

人工智能在试井中的应用是一个新的课题,国内外都刚起步。本文描述了试井油藏模型识别专家系统(RMIESWT)原型的研制成果。以压力导数为基拙,用计算机模拟人类专家的视觉判断过程,用符号表达曲线,实现推理,是一种很好的智能模拟技术。除了压力恢复数据以外,还利用辅助资料来识别油藏模型,这对于那些实测数据不完整的情况,特别有效。选用基于规则的通用型开发工具CM.1作为专家系统环境。采用分层式结构构造知识序,逻样关系清晰易懂,非常有利于规则的增添、删除和修改。终端用户同RMIESWT的对话全部是菜单式中文显示,易于被现场使用单位所接受。