改进遗传神经网络在洛带气田测井解释中的应用

摘要

洛带气田蓬莱镇组的主要储产层为浅水三角洲沉积,含油气资源比较丰富,但地质情况非常复杂,测井物性参数解释十分困难.文章针对本地区储层非均质性强、岩性复杂,用常规测井方法难以解释的特点,在测井解释时选用了神经网络计算法,并且应用遗传算法(GA)对传统的BP神经网络进行了改进.在此基础上,利用多种测井数据及岩心分析资料作为网络模型的学习样本,通过网络的学习、训练,建立了渗透率等参数的神经网络计算模型,应用此模型计算了新样本的预测物性参数值.计算结果与实际岩心分析结果相比较后表明,遗传BP算法的学习速度和计算精度均令人满意.