典型文献
PCR和LM-BP神经网络在孔隙度预测中的应用
文献摘要：
储层孔隙度是反映储层储集性能的重要参数.目前通常选取与岩心分析孔隙度相关性较高的测井数据与孔隙度建立多元线性回归模型预测储层的孔隙度.因忽略了相关性较低的测井数据可能会造成地层孔隙度部分信息漏失,并且由于变量间的多重共线性会导致采用测井数据进行多变量综合分析时的回归模型不稳定,增大预测误差.针对以上问题,综合选取反映地层声、电、放属性的测井数据,采用主成分回归(PCR)算法、Levenberg-Marquardt(LM)算法优化的BP神经网络以及多元线性回归的方法,分别对靶区Q4段的孔隙度进行预测,结果表明LM-BP神经网络、PCR及多元线性回归的相对误差分别为7.10％、10.63％、14.99％.
文献关键词：
测井资料;孔隙度;LM-BP神经网络;PCR;多元线性回归
中图分类号：
作者姓名：
张庆国;张钰威;林旭东
作者机构：
东北石油大学 地球科学学院,黑龙江 大庆 163318;大庆油田有限责任公司勘探事业部,黑龙江 大庆 163000
文献出处：
引用格式：
[1]张庆国;张钰威;林旭东-.PCR和LM-BP神经网络在孔隙度预测中的应用)[J].内蒙古石油化工,2022(01):1-7,16
A类：
B类：
LM,孔隙度预测,储层孔隙,储集性能,重要参数,岩心分析,测井数据,多元线性回归模型,部分信息,漏失,多重共线性,多变量,预测误差,取反,主成分回归,Levenberg,Marquardt,算法优化,对靶,靶区,Q4,测井资料
AB值：
0.321562
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
