本文主要研究内容
作者袁颖,谭丁,于少将,李杨,韩冰（2019）在《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》一文中研究指出：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。
Abstract
xie yan qi zong you ji tan (TOC)han liang shi ping jia yan xing qi cang de guan jian zhi biao ,shou fu za de zhi ji yan xin cai ji deng duo chong yin su de ying xiang ,chang gui shi nei ce shi fen xi huo de de TOChan liang de shu ju you xian ju jie guo you shi zhun que 。wei ge li zhun que yu ce xie yan qi TOChan liang ,ben wen shou xian tong guo dui xie yan qi chu ceng TOChan liang ce jing zi liao zeng ge fen xi shua qu 8tiao ce jing qu xian ,bing jie ge zhu cheng fen fen xi fa (Principal Component Analysis,PCA)di qu si ge zhu cheng fen ;ji ci ji yu bei xie si zheng ze hua (Bayesian Regularization)gai jin de BPshen jing wang lao fang fa jian li xie yan qi TOChan liang yu ce de BR-BPmo xing ;zui hou li yong gai mo xing dui yan jiu ou Aou xie yan qi TOChan liang jin hang yu ce ,bing yu chang gui de LM-BPshen jing wang lao mo xing de yu ce jie guo jin hang dui bi 。jie guo biao ming :BRBPmo xing you jiao jiang de fei xian xing ni ge neng li ,neng gou zhen shi de fan ying chu xie yan qi TOChan liang yu ge ce jing can shu zhi jian de fei xian xing guan ji ,ji mo xing yu ce jie guo yu shi ji zhi ji ben wen ge ,yu chang gui de LM-BPshen jing wang lao mo xing xiang bi ,ji shu ju min gan xing zeng jiang ,yu ce jing du you suo di gao ,gai yan jiu fang fa ju you yi ding de li lun yi yi he can kao jia zhi ,wei wo guo TOChan liang yu ce di gong le yi chong xin de ji shu fang fa he shou duan 。
论文参考文献
论文详细介绍
论文作者分别是来自地质与勘探的袁颖,谭丁,于少将,李杨,韩冰，发表于刊物地质与勘探2019年04期论文，是一篇关于页岩气论文,有机碳含量论文,主成分分析论文,贝叶斯正则化论文,神经网络论文,地质与勘探2019年04期论文的文章。本文可供学术参考使用，各位学者可以免费参考阅读下载，文章观点不代表本站观点，资料来自地质与勘探2019年04期论文网站，若本站收录的文献无意侵犯了您的著作版权，请联系我们删除。
标签：页岩气论文; 有机碳含量论文; 主成分分析论文; 贝叶斯正则化论文; 神经网络论文; 地质与勘探2019年04期论文;