储层属性的遗传神经克里金插值方法及其应用

摘要

储层属性参数预测是油藏描述的一项重要基础工作,克里金或神经网络插值法是较为有效的简便预测方法.针对克里金法具有平滑性、神经网络难以反映变量的空间相关性等缺点,用变异函数修正了神经网络的目标函数,并利用遗传算法对神经网络进行全局优化,形成了一种遗传神经克里金混合插值方法.应用实例表明,该方法具有神经网络较好的自学习、自适应能力;利用变异函数能较好地恢复数据的空间相关性;通过遗传算法全局优化,克服了神经网络目标函数容易陷入局部极小的缺点;对不同空间分布的样本点均能得到稳定的插值结果,具有比其他插值方法更高的精度和稳定性.