论文部分内容阅读
与传统的数理统计方法对储层物性参数（孔隙度和渗透率）预测相比，BP神经网络由于高度非线性映射能力及极强的自适应和自学习能力，可以更精确地预测储层物性参数。通过建立储层参数与测井信息之间的解释模型，运用BP神经网络的基本原理，对镇原区块延长组长81小层的储层参数进行预测，并对其精度进行检验，检验结果表明，BP神经网络方法对储层参数的预测较常规数理统计方法（多元回归）有较大的提高．显示出BP神经网络在储层参数预测中的优势和潜力。通过由此建立的解释漠型，用BP神经网络对该区储层参数进行预测。