欢迎您！东篱公司
退出
-
申报数据库
-
立项数据库
-
成果数据库
-
项目获奖数据库
中文摘要：
径向基（RBF）神经网络法具有网络结构简单、逼近能力强和学习速度快等优点，已成为最具发展潜力的储层敏感性智能预测方法之一，但在实际应用中仍存在泛化能力不强、网络训练不收敛等问题。通过在输入层中引入补充节点，对网络拓扑结构进行优化，有效地提高了RBF神经网络的逼近精度和泛化能力。在确定储层敏感性主要影响因素的基础上，通过对径向基函数散布常数的优选，进一步优化了RBF神经网络的性能。采用所收集的胜利、辽河、大港及江苏油田共125组数据，进行了神经网络训练和预测检验，优化了RBF神经网络，并在储层敏感性预测方面进行了应用。结果表明，对于训练集内的样本，预测的平均准确率均大于93．79％，且预测值与实验值的相关系数均大于0．995；对于训练集外的样本，预测的平均准确率大于91．59％，预测值与实验值的相关系数大于0．994，实现了对储层敏感性的准确、定量预测。
同期刊论文项目
同项目期刊论文
Application of Acrylate Copolymers in the Drilling-in Completion Fluid for Low and Extra Low Permeab
Refinement of the crystal structure of tetrabutylammonium bis(2-thioxo-1,3-dithiole-4,5-dithiolato)z
期刊信息
位置：