基于神經(jīng)網(wǎng)絡的數(shù)據(jù)挖掘技術用于剩余油分布的研究.pdf

1、剩余油分布的預測有很高的收益，因此引起世界各國對剩余油分布進行研究的重視。經(jīng)過多年的開發(fā)，目前地下油水關系變得日趨復雜，有必要進行剩余油分布規(guī)律的研究。
　　 本文分析了多種剩余油預測分析技術與方法。對神經(jīng)網(wǎng)絡、數(shù)據(jù)挖掘等的理論與相關算法進行了分析、討論。神經(jīng)網(wǎng)絡具有并行處理、自適應、自組織、聯(lián)想記憶及容錯性和健壯性等特點，能夠探測出數(shù)據(jù)集合的非線性關系，在數(shù)據(jù)挖掘中常常采用神經(jīng)網(wǎng)絡方法。
　　 研究了對影響剩余油分布的

2、主要參數(shù)－含油飽和度進行預測的軟件系統(tǒng)的設計方法與實現(xiàn)技術。此系統(tǒng)可實現(xiàn)使用多種神經(jīng)網(wǎng)絡模型來完成剩余油分布的預測。神經(jīng)網(wǎng)絡模型可選：BP神經(jīng)網(wǎng)絡和RBF神經(jīng)網(wǎng)絡。BP網(wǎng)絡中又可選激勵函數(shù)：Sigmoid型激勵函數(shù)和TAN激勵函數(shù)；可選算法：傳統(tǒng)算法和變步長算法；且在力求保持傳統(tǒng)BP算法簡潔性的基礎上，使其神經(jīng)元個數(shù)、目標精度、迭代次數(shù)動態(tài)可調(diào)。
　　 此系統(tǒng)可依據(jù)包含有井位置等參數(shù)的已有數(shù)據(jù)，通過基于神經(jīng)網(wǎng)絡的數(shù)據(jù)挖掘技術進行

3、訓練，建立起學習網(wǎng)絡，訓練完成后，對比這些預測模型，選出最優(yōu)模型。在已知其它原始參數(shù)的情況下，就可以利用此預測系統(tǒng)對其他未知井區(qū)進行剩余油分布的預測。
　　 研究結果表明，改進的BP網(wǎng)絡、尤其是RBF網(wǎng)絡計算方法可以克服常規(guī)測井解釋中所遇到的高度復雜非線性建模的難題，極大地簡化了解釋中的數(shù)學手段，同時與傳統(tǒng)BP神經(jīng)網(wǎng)絡相比精度更高，收斂速度更快。
　　 通過對預測值與實際數(shù)據(jù)的對比與分析，證明該軟件具有理想的預測效果并有