基于巖石物理模型和神經(jīng)網(wǎng)絡的頁巖結構分析及參數(shù)預測
發(fā)布時間:2021-01-15 00:29
頁巖是一種常見的沉積巖,不同于碎屑巖與碳酸鹽巖,頁巖孔隙度和滲透率都很小,早期的石油地質研究將頁巖作為油氣儲集層的良好蓋層,但是隨著頁巖油氣、非常規(guī)油氣勘探的興起,頁巖被視為非常重要的非常規(guī)油氣儲層,具有極大的開發(fā)潛力。頁巖多是由各種礦物,粘土,有機物質等組成的非均質混合物,現(xiàn)如今研究中頁巖通常被當作非常重要的非常規(guī)油氣儲層,與常規(guī)油氣藏相比,頁巖中油氣賦存方式復雜,有機質類型豐度大,這些特點決定了頁巖油氣的解釋與評價必然與常規(guī)油氣藏有很大不同,所以對其評價思路和研究方法要更適應于頁巖自身情況。因此,需要更進一步的了解頁巖儲層的礦物組分、含量以及精細結構,并獲取準確、有價值的儲層評價參數(shù)。本文主要是對富含有機質的頁巖儲層進行分析,了解頁巖儲層的結構特征和獲取頁巖儲層參數(shù),所采用的方法包括巖石物理方法和應用神經(jīng)網(wǎng)絡分析。巖石物理的方法是在頁巖儲層建立巖石物理模型,并基于模型對儲層結構進行分析,反演儲層物性參數(shù),巖石物理建模是儲層描述與分析中最關鍵的一步。在富含有機質的頁巖儲層中建立巖石物理模型首先要考慮有機質(主要成分是干酪根)的結構和性質對頁巖的影響,因此,在建立頁巖儲層巖石物理模型時...
【文章來源】:吉林大學吉林省 211工程院校 985工程院校 教育部直屬院校
【文章頁數(shù)】:63 頁
【學位級別】:碩士
【部分圖文】:
神經(jīng)網(wǎng)絡結構示意圖
第3章神經(jīng)網(wǎng)絡預測方法16(),()·······(3.9),()()·········(3.10)由公式(3.8)、(3.9)、(3.10)可以得到:()()······(3.11)同理:·········(3.12)同理推導,可得:··········(3.13)···········(3.14)其中,*∑(),()+,··········(3.15)圖3.2激勵函數(shù)BP神經(jīng)網(wǎng)絡中常用到的激勵函數(shù)如圖3.2所示。常用的激勵函數(shù)包括以下三個:
第 3 章 神經(jīng)網(wǎng)絡預測方法 1.Sigmoid 激勵函數(shù):也叫 Logistic 函數(shù),用于隱層神經(jīng)元輸出,取值范圍為(0,1),可以用來做二分類。
本文編號:2977853
【文章來源】:吉林大學吉林省 211工程院校 985工程院校 教育部直屬院校
【文章頁數(shù)】:63 頁
【學位級別】:碩士
【部分圖文】:
神經(jīng)網(wǎng)絡結構示意圖
第3章神經(jīng)網(wǎng)絡預測方法16(),()·······(3.9),()()·········(3.10)由公式(3.8)、(3.9)、(3.10)可以得到:()()······(3.11)同理:·········(3.12)同理推導,可得:··········(3.13)···········(3.14)其中,*∑(),()+,··········(3.15)圖3.2激勵函數(shù)BP神經(jīng)網(wǎng)絡中常用到的激勵函數(shù)如圖3.2所示。常用的激勵函數(shù)包括以下三個:
第 3 章 神經(jīng)網(wǎng)絡預測方法 1.Sigmoid 激勵函數(shù):也叫 Logistic 函數(shù),用于隱層神經(jīng)元輸出,取值范圍為(0,1),可以用來做二分類。
本文編號:2977853
本文鏈接:http://www.sikaile.net/shoufeilunwen/benkebiyelunwen/2977853.html
最近更新
教材專著