411.0802范存辉-基于某测井全参数地遗传bp神经网络识别火山岩岩性

《411.0802范存辉-基于某测井全参数地遗传bp神经网络识别火山岩岩性》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、实用标准文案红色字体是需要作者补充、修改和确认的，请作者在本文基础上用红色字体修改！不要修改格式。基于测井参数的遗传BP神经网络识别火山岩岩性——以准噶尔盆地西北缘中拐凸起石炭系火山岩为例范存辉（西南石油大学资源与环境学院，四川成都610500）姚卫江（新疆油田公司勘探开发研究院地球物理研究所，新疆乌鲁木齐830013）赵玲（中石化西南油气分公司工程监督中心，四川德阳618000）秦启荣（西南石油大学资源与环境学院，四川成都610500）摘要：准噶尔盆地西北缘中拐凸起石炭系火山岩储层岩石类型复杂多样，既有火山熔岩、火山碎屑岩，又有侵入岩，造成该区岩性识别

2、难度较大。为此，引入了遗传算法的BP神经网络，遗传BP神经网络是以自身特有的样本学习能力获得识别模式，识别结果客观可靠。利用测井参数对中拐凸起石炭系火山岩储集层的岩性进行识别研究，选取典型井的测井参数训练遗传BP神经网络，以获得网络神经元的连接权值。获得满意的权值后，通过输入其他已知井的测井数据对其进行检验，检验结果表明，该方法识别火山岩岩性的可信度高，具有较强的可行性。（摘要做了删减，请重新核对英文摘要！）关键词:遗传BP神经网络；火山岩；岩性识别中图分类号：P631.84基金项目：国家油气重大专项（2008ZX05001）；四川省重点学科建设项目(S

3、ZD0414)。作者简介：范存辉（1980-），男，2002年大学本科毕业，讲师，现主要从事油气地质、构造地质、地质工程方面的教学与科研工作。火山岩油气藏已成为世界油气田勘探开发的一个新领域，在我国的新疆克拉玛依油田、辽河油田、胜利油田等均发现了该类储层且储量十分可观，是我国油气增储上产的一个重要组成部分。对于火山岩储层而言，岩性决定了火山岩的基本储集性能和主要的孔隙类型，并且岩性是其储集空间后期演化的物质基础，控制着裂缝和孔洞的发育程度，进而控制着储集性、含油性和油层的分布规律。因此，对火山岩储层进行研究时，对其岩性的识别显得尤为重要。目前对于火山岩岩

4、性的识别方法有很多，其中利用测井参数识别火山岩岩性是应用较广的方法之一，但是由于井下地质构造的复杂性和测井参数分布的模糊性，传统的岩性识别方法往往误差较大。遗传BP神经网络是以自身特有的样本学习能力获得识别模式，克服了模糊数学法、灰色聚类法和多元统计法的缺陷。它具有自组织、自学习、自适应、容错及抗干扰能力，识别结果客观可靠。基于测井参数的遗传BP神经网络识别火山岩岩性，其结果更为准确和客观，具有较高的可行性和可信性[1,2]。笔者以准噶尔盆地西北缘中拐凸起石炭系火山岩储层为例，选取工区典型井的测井参数，利用遗传BP神经网络对中拐凸起石炭系火山岩岩性进行解

5、释研究。1遗传BP神经网络基本理论1.1遗传BP神经网络的基本思想精彩文档实用标准文案人工神经网络是一个具有高度非线性的动力学系统，它在预测复杂非线性系统的行为中已经获得了广泛的应用[3~5]。遗传算法是基于生物进化原理的一种全新的自适应全局优化搜索算法，是把求解问题的自变量看作基因，进行编码构成染色体，在个体的集合内根据个体适应度的大小进行最优评价；在搜索过程中不断通过选择、交叉、变异3个遗传算子进行个体的产生与繁殖，最后得出最优个体。该算法具有随机性、全局性、适用于并行处理以及可操作性强的特点，已广泛应用于神经网络、优化调度、信号处理及自适应控制等领

6、域。遗传算法用于神经网络主要是用遗传算法学习BP神经网络的权重和学习神经网络的拓朴结构，也就是用遗传算法来取代一些传统的学习算法[6~8]。采用遗传算法优化网络初始权重，实际上是将整个网络训练分成了两部分：首先采用遗传算法优化网络的初始权重；然后利用BP算法最终完成网络训练。遗传BP神经网络所采用的学习过程由正向传播处理和反向传播处理2部分组成，采用的网络体系结构由3层组成：输入层、隐含层(或称中间层)和输出层；相同层的神经元之间没有连接，通过信息样本对神经网络进行训练，不断改变处理单元间的连接强度，调整神经元间的连接权和神经元的阈值，根据误差反向传播来

7、不断修正连接权和阈值，使误差沿梯度方向下降，最后进入稳定状态[9～11]。1.2遗传BP神经网络的计算过程遗传BP神经网络的计算首先利用遗传算法对BP神经网络的初始权值和阈值进行快速优化，在解空间中定位出一个较好的搜索空间，并将此作为其后采用神经网络搜索的初始权值和阈值，然后利用BP神经网络的局部搜索能力强的特点在解空间中搜索出最优解[12]。其过程如下：①产生一组随机的分布，对该组中的每个权值进行编码；②计算所产生神经网络的误差函数，确定其适应度函数值，适应度函数值误差越大，表示其适应度越小；③从若干适应度函数值中选取函数值最大的个体，直接遗传给下一代

8、；④利用交叉、变异等遗传操作算子处理当前代的群体，产生下一代群体；⑤重复以上步骤