BP神经网络隐式法在测井数据处理中的应用

doi:10.7623/syxb200703021

石油学报 ›› 2007, Vol. 28 ›› Issue (3): 105-108.DOI: 10.7623/syxb200703021

BP神经网络隐式法在测井数据处理中的应用

李道伦^1,2,3, 卢德唐^2,3, 孔祥言^2,3, 杜奕^2,3

1. 中国科学技术大学计算机科学与技术系, 安徽合肥, 230026;
2. 中国科学技术大学安徽省计算与通讯重点实验室, 安徽合肥, 230026;
3. 中国科学技术大学工程科学软件研究所, 安徽合肥, 230026

收稿日期:2006-05-27 修回日期:2006-09-30 出版日期:2007-05-25 发布日期:2010-05-21
作者简介:李道伦,男,1972年2月生,1998年毕业于合肥工业大学,现为中国科学技术大学计算机科学与技术系讲师、博士生,主要研究方向为数值试井和智能计算等.E-mail:ldaol@ustc.edu.cn
基金资助:
国家重点基础研究发展规划(973)项目(2006CB705800)和西南石油大学油气藏地质开发工程国家重点实验室开放基金项目(PLN0409)联合资助.

Processing of well log data based on backpropagation neural network implicit approximation

Li Daolun^1,2,3, Lu Detang^2,3, Kong Xiangyan^2,3, Du Yi^2,3

1. Department of Computer Science and Technology, University of Science & Technology of China, Hefei 230026, China;
2. Key Laboratory of Software in Computing and Communication of Anhui Province, University of Science &Technology of China, Hefei 230026, China;
3. Institute of Engineering and Science Software, University of Science & Technology of China, Hefei 230026, China

Received:2006-05-27 Revised:2006-09-30 Online:2007-05-25 Published:2010-05-21

摘要/Abstract

摘要： 现有神经网络方法对时间向量序列数据的处理是通过单点进行的,割裂了数据间的关联性.为此,利用隐式曲线的构造原理,通过对时间向量序列的变换,提出了一种整体预测时间向量序列的测井数据的方法.神经网络隐式整体预测方法的步骤是:①将数据变换为封闭曲线,构造约束点以简化神经网络的输入与输出;②利用神经网络的隐式方法,通过智能学习和仿真模拟,得到封闭的预测曲线;③经过变换得到最终的预测曲线.实验证明了该方法的有效性.

关键词: BP神经网络, 隐式曲线, 测井数据, 预测方法, 时间向量序列, 测井曲线, 数值模拟

Abstract: The previous methods based on neural network are difficult to predict the water saturation of next year based on the data of the given years.A new method combining the neural networks with the principle of implicit curve can effectively handle the above problem.First,the vector data of every year are mapped into a closed curve,and a virtual explicit function is constructed on the constraint points.Then,the explicit function is approximated by a backpropagation neural network.Finally,the isoline of the neural network is extracted from the simulation surface.The predicted data can be obtained by the inverse mapping of the isoline.Some experiment results verified the effectiveness of this method.

Key words: backpropagation neural network, implicit curve, well log data, prediction, time vector serial, well log curve, numerical simulation

中图分类号:

TE319

李道伦, 卢德唐, 孔祥言, 杜奕. BP神经网络隐式法在测井数据处理中的应用[J]. 石油学报, 2007, 28(3): 105-108.

Li Daolun, Lu Detang, Kong Xiangyan, Du Yi. Processing of well log data based on backpropagation neural network implicit approximation[J]. Editorial office of ACTA PETROLEI SINICA, 2007, 28(3): 105-108.

[1]	李祯, 郭奇, 卜亚辉, 胡慧芳. 基于深度学习的饱和度场样本库建立及预测[J]. 石油学报, 2024, 45(4): 698-707.
[2]	刘致水, 王康宁, 包乾宗, 李之旭. 致密砂岩储层岩石物理横波速度预测方法 ——以鄂尔多斯盆地延长组为例[J]. 石油学报, 2022, 43(9): 1284-1294.
[3]	王强, 赵金洲, 胡永全, 赵超能, 张祯祥. 岩心尺度静态自发渗吸的数值模拟[J]. 石油学报, 2022, 43(6): 860-870.
[4]	吴林, 朱明, 冯兴强, 冀冬生, 周磊, 刘圣鑫, 张林炎, 谭元隆, 钱竹良, 杨珍. 准噶尔盆地四棵树凹陷构造应力场与构造变形解析[J]. 石油学报, 2022, 43(4): 494-506.
[5]	许林, 刘书杰, 许明标, 冯桓榰, 邢希金, 邓佳佳. 压差激活密封剂的微缺陷自适应修复行为及机理[J]. 石油学报, 2021, 42(5): 686-694.
[6]	李宁, 徐彬森, 武宏亮, 冯周, 李雨生, 王克文, 刘鹏. 人工智能在测井地层评价中的应用现状及前景[J]. 石油学报, 2021, 42(4): 508-522.
[7]	邹玮, 余一欣, 刘金水, 蒋一鸣, 唐贤君, 陈石, 余浪. 东海盆地西湖凹陷中央反转构造带发育主控因素及宁波背斜形成过程[J]. 石油学报, 2021, 42(2): 176-185.
[8]	卢海龙, 尚世龙, 陈雪君, 秦绪文, 古利娟, 邱海峻. 天然气水合物开发数值模拟器研究进展及发展趋势[J]. 石油学报, 2021, 42(11): 1516-1530.
[9]	祝效华, 罗云旭, 刘伟吉, 高锐, 贾玉丹, 刘呈君. 等离子体电脉冲钻井破岩机理的电击穿实验与数值模拟方法[J]. 石油学报, 2020, 41(9): 1146-1162.
[10]	李文婧, 姜源, 单保东, 禹晓珊, 王超. 盐穴储气库注采运行时温效应对腔体稳定性的影响[J]. 石油学报, 2020, 41(6): 762-776.
[11]	窦晓峰, 宁伏龙, 李彦龙, 刘昌岭, 孙嘉鑫, 李杨, 李晓东, 赵颖杰, 张凌, 刘乐乐. 基于连续-离散介质耦合的水合物储层出砂数值模拟[J]. 石油学报, 2020, 41(5): 629-642.
[12]	计秉玉. 对油气藏工程研究方法发展趋势的几点认识[J]. 石油学报, 2020, 41(12): 1774-1778.
[13]	郭建春, 任冀川, 王世彬, 苟波, 赵俊生, 伍林. 裂缝性致密碳酸盐岩储层酸压多场耦合数值模拟与应用[J]. 石油学报, 2020, 41(10): 1219-1228.
[14]	孙科, 刘慧卿, 王腾, 张红玲, 谢建勇. 致密油藏压裂后衰竭开采单井可采储量预测新方法[J]. 石油学报, 2020, 41(10): 1238-1247.
[15]	韩强, 屈展, 叶正寅. 基于多尺度均匀化理论的页岩强度表征[J]. 石油学报, 2019, 40(7): 858-865.

BP神经网络隐式法在测井数据处理中的应用

Processing of well log data based on backpropagation neural network implicit approximation

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价