CUSI网络与遗传算法结合计算油气储层物性参数

计算物理 ›› 1998, Vol. 15 ›› Issue (6): 761-768.

CUSI网络与遗传算法结合计算油气储层物性参数

陈遵德¹, 蒋先艺², 王建华³

1. 江汉石油学院物探系, 湖北 434102;
2. 石油物探局二处, 河南 475002;
3. 大港油田研究院, 天津 300280

收稿日期:1997-04-16 修回日期:1998-06-12 出版日期:1998-11-25 发布日期:1998-11-25
作者简介:陈遵德,男,42,副教授,硕士
基金资助:
国家自然科学基金及湖北省自然科学基金资助

CALCULATING PHYSICAL PROPERTY PARAMETERS OF OIL GAS RESERVOIR BY COMBINING CUSI NETWORK WITH GENETIC ALGORITHM

Chen Zunde¹, Jiang Xianyi², Wang Jianhua³

Geophysical Dept., Jianghan Petroleum University, Jingzhou, Hubei 434102

Received:1997-04-16 Revised:1998-06-12 Online:1998-11-25 Published:1998-11-25

摘要/Abstract

摘要： 油气储层物性参数(简称储层参数)是储层描述的重要参数。考虑到地震数据求取储层参数的复杂性与BP网络非线性映射需要利用全体样本信息且学习效率低等不足,提出采用完全利用样本信息(CUSI)的网络与遗传算法结合计算储层参数的方法。

关键词: 函数逼近, 神经网络, 遗传算法, 储层物性, 特征优化

Abstract: Physical property parameters of oil gas reservoir(i.e.reservoir parameters) are important in reservoir description. Considering both the complexity of finding reservoir parameters by seismic data and the shortages of the nonlinear mapping of BP network which needs complete sample information and is the low effciency of learning.This paper presents a method combining Complete Utilization of Sample Information (CUSI) with genetic algorithm(GA) to calculate these parameters.

Key words: function approximation, aitificial neural network, genetic algorithm, reservoir physical properties, feature optimization

中图分类号:

P631

陈遵德, 蒋先艺, 王建华. CUSI网络与遗传算法结合计算油气储层物性参数[J]. 计算物理, 1998, 15(6): 761-768.

Chen Zunde, Jiang Xianyi, Wang Jianhua. CALCULATING PHYSICAL PROPERTY PARAMETERS OF OIL GAS RESERVOIR BY COMBINING CUSI NETWORK WITH GENETIC ALGORITHM[J]. CHINESE JOURNAL OF COMPUTATIONAL PHYSICS, 1998, 15(6): 761-768.

[1]	吴国正, 王发杰, 程隋福, 张成鑫. 基于物理信息神经网络的内部声场正反问题数值计算[J]. 计算物理, 2022, 39(6): 687-698.
[2]	肖聪, 张士诚, 马新仿, 周彤, 侯腾飞. 基于模型降维和递归神经网络的油藏参数反演[J]. 计算物理, 2022, 39(5): 564-578.
[3]	黄灿, 田冷, 王恒力, 王嘉新, 蒋丽丽. 基于条件生成式对抗网络的油藏单井产量预测模型[J]. 计算物理, 2022, 39(4): 465-478.
[4]	潘剑, 郭照立, 陈松泽. 从噪声数据学习偏微分方程的复合神经网络[J]. 计算物理, 2022, 39(2): 223-232.
[5]	唐利红, 贺宗梅, 姚延立. 忆阻Hopfield神经网络动力学分析及其电路实现[J]. 计算物理, 2022, 39(2): 244-252.
[6]	李洪, 章立新, 任燕, 高明, 刘婧楠. 基于灰色关联分析的BP神经网络对混流闭式冷却塔出水温度的预测[J]. 计算物理, 2022, 39(1): 53-59.
[7]	罗佳, 孙亮, 乔印虎. 忆阻突触耦合环形Hopfield神经网络动力学分析及其电路实现[J]. 计算物理, 2022, 39(1): 109-117.
[8]	郑书昱, 彭佳臻, 张先梅, 薛二兵, 虞立敏. 基于神经网络的托卡马克能量约束时间预测[J]. 计算物理, 2021, 38(4): 423-430.
[9]	屠丽娟, 周恩泽, 吴雪飞, 杨琪, 丁雪峰. 基于流量测点的热网变动阻力系数优化辨识[J]. 计算物理, 2021, 38(4): 498-504.
[10]	周倩, 韦笃取. 场耦合忆阻神经网络的电活动[J]. 计算物理, 2020, 37(6): 750-756.
[11]	卢新瑞, 黄捍东, 李帅, 尹龙. 基于U-Net的盐体识别方法[J]. 计算物理, 2020, 37(3): 327-334.
[12]	周于皓, 刘慧卿, 祁鹏, 赵萌, 陈宇. 基于循环神经网络的缝洞型油藏油井产量预测[J]. 计算物理, 2018, 35(6): 668-674.
[13]	颜帆, 卢玫. 材料热物性与热源强度辨识的改进遗传算法[J]. 计算物理, 2015, 32(5): 623-630.
[14]	苟雪银, 郭立新, 张连波. 支持向量机和神经网络在粗糙面参数反演中的比较[J]. 计算物理, 2014, 31(1): 75-84.
[15]	邢小宁, 井西利, 马毅恒, 王全志, 许耀芸. 自适应混合遗传算法优化团簇[J]. 计算物理, 2012, 29(3): 459-465.