基于线性回归与神经网络的储层参数预测复合方法
Science Technology and Engineering(2017)
Abstract
为提高储层参数的预测精度,提出一种利用测井资料,结合多元线性回归和神经网络预测储层参数的新的复合方法,具体分两步:①通过多元线性回归分析建立回归值y’的计算模型,将y’作为储层参数的初步预测值;②通过RBF神经网络建立y’的残差Δd的预测模型,将预测结果Δd作为y’的非线性误差补偿,最终建立储层参数解释模型,y=y’+Δd.基于该方法,结合测井资料和岩心数据,建立了鄂尔多斯盆地某致密砂岩气田M3井区S22、T22段孔隙度和含水饱和度的测井解释模型,结果显示,新方法建立的模型预测值与S22、T22段实际岩心孔隙度、含水饱和度值的平均相对误差均小于17%,明显优于单独根据多元线性回归分析或RBF神经网络建立的解释模型,预测精度更高.
MoreTranslated text
Key words
reservoir parameters,logging,multiple linear regression,RBF neural network,residual error
AI Read Science
Must-Reading Tree
Example
![](https://originalfileserver.aminer.cn/sys/aminer/pubs/mrt_preview.jpeg)
Generate MRT to find the research sequence of this paper
Chat Paper
Summary is being generated by the instructions you defined