神经网络预测储层砂岩粒度纵向剖面.pdfVIP

第 21卷第 4期 李萍，等．神经网络预测储层砂岩粒度纵 向剖面 451 B一1井 (储层 J2I的粒度数据比较多而全面)的粒度数 “learngdm”，目标函数选取网络误差平方和的均值 ． 据和测井数据作为训练样本库 (见表 1)，从而预测A 练均方误差 ( E)选为 0．001，可满足工程需要。 油田的粒度分布情况 ，以提高预测该油田储层砂岩粒 4 网络学习及误差分析 度特征值的精度。 利用MATLAB神经网络工具箱，实现对粒度特征 表 1 B一1井训练样本 值神经 网络的设计和编程 。设计的BP网络收敛速度 较快，能很快达到 目标误差 0．001，样本训练后的网络 输出值和实测值的对 比曲线及绝对误差如图2、图3 所示 。 暑 盎 井深／m a 粒度 中值 1 瞧 露 井深，m b 均质系数 图2 训练后 网络样本输 出与实测值对比 呈 账 j磐 3 网络结构设计 导 越 网络结构为 1个 隐层 的3层前 向BP网络结构 ． 输人神经元为 2个 (密度 、伽马测井值)，输 出神经元为 井深，m 2个 (d∞，UC)，选择隐单元的参考公式为 a 粒度中值 rt1= +口 (1) 式中： 为隐单元数 ；为输入单元数；m为输 出神经 元数；口∈I1，101。 籁 ‘ ．1．．’ ’ { · ’ ’ 々．．’7 根据式 (I)，隐单元个数为 3～I2。通过 网络 的训 皑 ．