【摘要】：受地層巖性變化影響,傳統(tǒng)方法進(jìn)行有機(jī)碳含量(TOC)擬合預(yù)測精度偏低。為提高TOC擬合精度,減小普通神經(jīng)網(wǎng)絡(luò)對連續(xù)信號的時間累積誤差,提出一種極限學(xué)習(xí)離散過程神經(jīng)網(wǎng)絡(luò)的TOC擬合預(yù)測模型。模型用向量模擬過程式輸入,內(nèi)部通過拋物插值的數(shù)值積分完成離散樣本的時域聚合。通過對離散過程神經(jīng)元的結(jié)構(gòu)分析,提出極限學(xué)習(xí)訓(xùn)練算法,在隱層相關(guān)參數(shù)隨機(jī)賦值后,通過Moore-Penrose廣義逆求解輸出權(quán)值,模型學(xué)習(xí)速度快。最后將該方法應(yīng)用于TOC擬合預(yù)測,利用相關(guān)性分析,選取對TOC響應(yīng)最敏感的測井曲線作為模型的特征輸入。與傳統(tǒng)方法和其他神經(jīng)網(wǎng)絡(luò)對比,該方法的擬合精度較高,預(yù)測TOC與實(shí)測值有更好的相關(guān)性。
[Abstract]:Under the influence of stratigraphic lithology, the accuracy of (TOC) fitting for organic carbon content is low. In order to improve the accuracy of TOC fitting and to reduce the cumulative error of continuous signals in ordinary neural networks, a TOC fitting prediction model for limit learning discrete process neural networks is proposed. In the model, the process input is simulated by vector, and the time domain aggregation of discrete samples is completed by the numerical integration of parabolic interpolation. By analyzing the structure of neurons in discrete process, a limit learning training algorithm is proposed. After the parameters of hidden layer are randomly assigned, the output weights are solved by Moore-Penrose generalized inverse, and the model learning speed is fast. Finally, the method is applied to the prediction of TOC fitting. The logging curve which is most sensitive to the TOC response is selected as the feature input of the model by using the correlation analysis. Compared with the traditional method and other neural networks, this method has higher fitting accuracy and better correlation between the predicted TOC and the measured values.
【作者單位】： 東北石油大學(xué)計算機(jī)與信息技術(shù)學(xué)院;中國石油大學(xué)非常規(guī)油氣與新能源研究院;山東科技大學(xué)信息科學(xué)與工程學(xué)院;
【基金】：國家自然科學(xué)基金項(xiàng)目(41602141,41402109,41330313)
【分類號】：TP183;P618.13

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 馮德益;;神經(jīng)網(wǎng)絡(luò)在地震研究中的應(yīng)用[J];國際地震動態(tài);1993年06期

2 劉力輝,楊夢巖,康劍;模糊競爭神經(jīng)網(wǎng)絡(luò)在地震微相劃分中的應(yīng)用[J];石油學(xué)報;1998年01期

3 王永剛,曹丹平,朱兆林;神經(jīng)網(wǎng)絡(luò)方法烴類預(yù)測中的問題探討[J];石油物探;2004年01期

4 王小完;楊樺;;神經(jīng)網(wǎng)絡(luò)技術(shù)在礦體邊界圈定中的應(yīng)用研究[J];金屬礦山;2009年02期

5 賀康;龐海榮;代粉蕾;;SOM神經(jīng)網(wǎng)絡(luò)在全液壓鉆機(jī)液壓系統(tǒng)故障診斷中的應(yīng)用[J];煤礦機(jī)械;2011年04期

6 孫玉學(xué);謝建波;趙景原;歷艷明;王嬌;;應(yīng)用量子神經(jīng)網(wǎng)絡(luò)快速預(yù)測儲層敏感性[J];鉆采工藝;2012年05期

7 李文娟;姚竹亭;;基于自組織競爭神經(jīng)網(wǎng)絡(luò)的地震預(yù)測[J];電子世界;2013年11期

8 霍潤科,劉漢東;神經(jīng)網(wǎng)絡(luò)法在地下洞室圍巖分類中的應(yīng)用[J];華北水利水電學(xué)院學(xué)報;1998年02期

9 吳洪詞,包太,張小彬,胡興;土本構(gòu)模型的有限元—神經(jīng)網(wǎng)絡(luò)耦合模擬[J];貴州工業(yè)大學(xué)學(xué)報;1999年02期

10 施云惠,阮秋琦;基于再生核神經(jīng)網(wǎng)絡(luò)的斷層面模型重構(gòu)[J];中國圖象圖形學(xué)報;2005年06期

相關(guān)會議論文 前10條

1 朱廣生;劉瑞林;;用神經(jīng)網(wǎng)絡(luò)建立孔隙度預(yù)測模型[A];1992年中國地球物理學(xué)會第八屆學(xué)術(shù)年會論文集[C];1992年

2 張仲林;許金余;朱篤美;趙靖;范建設(shè);;神經(jīng)網(wǎng)絡(luò)在圍巖穩(wěn)定分析中的應(yīng)用與研究[A];第十三屆全國結(jié)構(gòu)工程學(xué)術(shù)會議論文集（第Ⅱ冊）[C];2004年

3 王靖濤;;建立巖土本構(gòu)模型的反問題理論及神經(jīng)網(wǎng)絡(luò)方法[A];新世紀(jì)巖石力學(xué)與工程的開拓和發(fā)展——中國巖石力學(xué)與工程學(xué)會第六次學(xué)術(shù)大會論文集[C];2000年

4 韓道范;謝靖;張讓;馬瑞杰;;自動識別巖性的基于距離的神經(jīng)網(wǎng)絡(luò)系統(tǒng)[A];1994年中國地球物理學(xué)會第十屆學(xué)術(shù)年會論文集[C];1994年

5 曹張軍;王棟;;粒子群算法優(yōu)化的RBF神經(jīng)網(wǎng)絡(luò)在巖溶地區(qū)的應(yīng)用[A];風(fēng)險分析和危機(jī)反應(yīng)的創(chuàng)新理論和方法——中國災(zāi)害防御協(xié)會風(fēng)險分析專業(yè)委員會第五屆年會論文集[C];2012年

6 邊亞東;吉曉朋;曹洪洋;張玉國;;基于BP神經(jīng)網(wǎng)絡(luò)的邊坡穩(wěn)定性分析[A];第九屆全國巖石力學(xué)與工程學(xué)術(shù)大會論文集[C];2006年

7 潘濱;陳劍平;李曉茹;;改進(jìn)BP神經(jīng)網(wǎng)絡(luò)在巖質(zhì)邊坡穩(wěn)定性分析中的應(yīng)用[A];第八屆全國工程地質(zhì)大會論文集[C];2008年

8 蔡敏;王政;;基于Bp神經(jīng)網(wǎng)絡(luò)的地質(zhì)災(zāi)害細(xì)網(wǎng)格預(yù)報模型[A];中國氣象學(xué)會2008年年會極端天氣氣候事件與應(yīng)急氣象服務(wù)分會場論文集[C];2008年

9 李彤;陳小宏;;利用神經(jīng)網(wǎng)絡(luò)進(jìn)行道編輯[A];1997年中國地球物理學(xué)會第十三屆學(xué)術(shù)年會論文集[C];1997年

10 孫效功;王碩儒;;函數(shù)型連接神經(jīng)網(wǎng)絡(luò)的一種改進(jìn)算法及其應(yīng)用[A];1993年中國地球物理學(xué)會第九屆學(xué)術(shù)年會論文集[C];1993年

相關(guān)博士學(xué)位論文 前6條

1 高明亮;直流電法地電模型參數(shù)辨識的非線性方法研究[D];吉林大學(xué);2016年

2 肖紅;離散過程神經(jīng)網(wǎng)絡(luò)算法及在儲層識R%中的應(yīng)用研究[D];東北石油大學(xué);2015年

3 張濤;用人工神經(jīng)網(wǎng)絡(luò)研究元素與巖漿巖、沉積巖巖性及沉積巖礦物的關(guān)系[D];西北大學(xué);2016年

4 江沸菠;基于神經(jīng)網(wǎng)絡(luò)的混合非線性電阻率反演成像[D];中南大學(xué);2014年

5 陳煌瓊;基于神經(jīng)網(wǎng)絡(luò)的滑坡預(yù)測及其控制研究[D];華中科技大學(xué);2013年

6 廉城;基于極限學(xué)習(xí)的重大工程災(zāi)變滑坡預(yù)測研究[D];華中科技大學(xué);2014年

相關(guān)碩士學(xué)位論文 前10條

1 殷保臣;樣條權(quán)函神經(jīng)網(wǎng)絡(luò)在基坑變形預(yù)測中的應(yīng)用研究[D];江西理工大學(xué);2015年

2 付博;基于小波優(yōu)化的灰色BP神經(jīng)網(wǎng)絡(luò)在深基坑變形預(yù)測中的應(yīng)用[D];東華理工大學(xué);2016年

3 付杰;基于神經(jīng)網(wǎng)絡(luò)的短期地震預(yù)測模型及其應(yīng)用[D];東南大學(xué);2016年

4 蒲春;基于神經(jīng)網(wǎng)絡(luò)的地質(zhì)鉆探工況判別模型研究[D];中國地質(zhì)大學(xué)(北京);2016年

5 張小娟;基于BP神經(jīng)網(wǎng)絡(luò)的電法勘探反演成像[D];湖南科技大學(xué);2016年

6 李珂;粗糙集和神經(jīng)網(wǎng)絡(luò)相融合的物探作業(yè)風(fēng)險評估模型的研究[D];西南石油大學(xué);2016年

7 何歡;基于BP神經(jīng)網(wǎng)絡(luò)方法和有限差分法的邊坡穩(wěn)定反饋分析[D];西華大學(xué);2016年

8 李欽;泛化回歸神經(jīng)網(wǎng)絡(luò)在深基坑變形監(jiān)測中的應(yīng)用研究[D];中南大學(xué);2013年

9 袁姝;神經(jīng)網(wǎng)絡(luò)在地震反演中的研究與應(yīng)用[D];西安石油大學(xué);2011年

10 劉銳;非線性神經(jīng)網(wǎng)絡(luò)及其在地學(xué)中的應(yīng)用[D];中國地質(zhì)科學(xué)院;2006年

，

本文編號：2241163