川南威远地区龙马溪组一段页岩有机碳含量测井预测模型优选
Computing Techniques for Geophysical and Geochemical Exploration（2021）
摘要
在岩芯样品数量有限的情况下,无法获取连续的TOC数据时,可以使用测井曲线预测TOC含量.为验证不同测井预测方法在川南威远地区的适用性,基于X井中龙一段页岩的实测TOC含量数据及测井资料,分别用自然伽马能谱测井法、体积密度法、改进的ΔlgR法、多元测井参数回归分析法以及BP神经网络法建立TOC含量预测模型.使用三标度层次分析法在综合考虑模型参数数量、拟合程度及误差值影响的基础上,以总权重值代表综合评价结果,选出能兼顾多种优点的,精确度、实用性最高的预测模型.结果表明,BP神经网络模型得分最高,预测效果最好,是对威远地区X井龙一段TOC含量预测的最优模型,改进的ΔLgR模型次之.可将这两种模型应用于测井曲线预测TOC含量中,对于弥补样品数量有限、数据不足的问题具有一定的意义.
更多AI 理解论文
溯源树
样例
生成溯源树，研究论文发展脉络
Chat Paper
正在生成论文摘要