基于遗传算法优化神经网络的储层渗透率预测

摘要

由于储层渗透率的重要性以及复杂性,通过传统的计算方法难以得到准确的结果。人工神经网络的计算方法是一种非线性处理系统,能够根据测井数据预测储层渗透率,然而神经网络的参数以及结构设计均需要人工经验,不仅耗时,而且常常不能取得良好的结果。文章利用遗传算法,对基于误差反向传播算法的人工神经网络的隐层神经元数目、学习速率以及动量项等三个参数进行了自动优化设计,对海拉尔4口取芯井300个层位的测井数据(输入)以及测量得到的渗透率(期望输出)进行了计算和测试。结果表明经过遗传算法得到的神经网络能够得到准确的渗透率预测结果,尤其是对于渗透率较大的储层(大于10mD)。