基于贝叶斯正则化改进BP神经网络的页岩气有机碳含量预测模型

论文摘要

页岩气总有机碳（TOC）含量是评价岩性气藏的关键指标,受复杂地质及岩心采集等多种因素的影响,常规室内测试分析获得的TOC含量的数据有限且结果有失准确。为合理准确预测页岩气TOC含量,本文首先通过对页岩气储层TOC含量测井资料综合分析选取8条测井曲线,并结合主成分分析法（Principal Component Analysis,PCA）提取四个主成分;其次基于贝叶斯正则化（Bayesian Regularization）改进的BP神经网络方法建立页岩气TOC含量预测的BR-BP模型;最后利用该模型对研究区A区页岩气TOC含量进行预测,并与常规的LM-BP神经网络模型的预测结果进行对比。结果表明:BRBP模型有较强的非线性拟合能力,能够真实地反映出页岩气TOC含量与各测井参数之间的非线性关系,其模型预测结果与实际值基本吻合,与常规的LM-BP神经网络模型相比,其数据敏感性增强,预测精度有所提高,该研究方法具有一定的理论意义和参考价值,为我国TOC含量预测提供了一种新的技术方法和手段。

论文目录

• 0 引言
• 1 方法原理
•   1.1 主成分分析
•   1.2 贝叶斯正则化优化BP神经网络
• 2 TOC含量预测模型的建立
•   2.1 主成分分析
•   2.2 TOC含量预测模型
• 3 TOC预测结果及误差分析
• 4 结论

文章来源

类型: 期刊论文

作者: 袁颖,谭丁,于少将,李杨,韩冰

关键词: 页岩气,有机碳含量,主成分分析,贝叶斯正则化,神经网络

来源: 地质与勘探 2019年04期

年度: 2019

分类: 基础科学,工程科技Ⅰ辑

专业: 地质学,石油天然气工业

单位: 河北地质大学勘查技术与工程学院,河北省地质调查院,河北省地矿局国土资源勘查中心

基金: 河北省自然科学基金项目(编号:D2019403182),河北省教育厅青年基金项目(编号:QN2019196)联合资助

分类号: P618.13

页码: 1082-1091

总页数: 10

文件大小: 1286K

下载量: 280