一種融合DBN和KELM算法的滲透率預測方法
大?。?/span>0.77 MB 人氣: 2017-11-27 需要積分:2
由于低孔低滲儲層孔隙結(jié)構(gòu)較為復雜,現(xiàn)有核磁共振(NMR)測井滲透率模型對于低孔低滲儲層預測精度不高。為此,提出一種融合深度置信網(wǎng)絡(DBN)算法與核極限學習機(KELM)算法的滲透率預測方法。該方法首先對DBN模型進行預訓練,然后將KELM模型作為預測器放置在訓練好DBN模型后,利用訓練數(shù)據(jù)進行有監(jiān)督的訓練,最終形成深度置信一核極限學習機( DBKELMN)模型??紤]到該模型需充分利用反映孔隙結(jié)構(gòu)的橫向弛豫時間譜信息,將離散化后的核磁共振測井橫向弛豫時間譜作為輸入,滲透率作為輸出,確定NMR測井橫向弛豫時間譜與滲透率的函數(shù)關系,并基于該函數(shù)關系對儲層滲透率進行預測。實例應用表明,融合DBN算法與KELM算法的滲透率預測方法是有效的,預測樣本的平均絕對誤差( MAE)較斯倫貝謝道爾研究中心(SDR)模型降低了0.34。融合DBN算法與KELM算法的滲透率預測方法可提高低孔滲儲層滲透率預測精度,可應用于油氣田勘探開發(fā)。
非常好我支持^.^
(0) 0%
不好我反對
(0) 0%