基于PSO优化的RBF神经网络在地震测井联合反演中的应用
目前,钻井地质特征参数的获得主要依赖于地震、测井资料,对待钻井而言,则只有地震信息.而若缺乏详细的地质信息,利用地震信息很难精确地推算各种地质参数.可首先利用已钻井地震信息和测井信息的映射关系,结合待钻井的地震信息,来预测待钻井的测井信息.采用PSO优化的RBF神经网络算法进行地震测井反演,并将该算法应用于准噶尔盆地永字号井.该算法与最小二乘RBF神经网络算法和梯度下降RBF神经网络算法相比,在平均绝对误差、平均相对误差、最大误差、相关系数、数据方差以及收敛速度等方面都是最优的.
魏茂安,胡睿,WEI Mao-an,HU Rui(胜利油田有限公司钻井工艺研究院,山东,东营,257017)
刊 名： 石油天然气学报 PKU 英文刊名： JOURNAL OF OIL AND GAS TECHNOLOGY 年，卷(期)： 2008 30(1) 分类号： P631.44 关键词： 地震信息 测井信息 粒子群优化(PSO) 径向基函数(RBF) 地震测井联合反演