摘要: 非线性时间序列预测是近年发展起来的一个备受关注的研究领域。传统的预测方法已经越来越不适应现代要求，由于非线性系统本身的复杂性和神经网络技术良好的适应性，基于人工神经网络的预测前景广阔。因此本文采用神经网络的方法进行石油储层参数的预... 展开 非线性时间序列预测是近年发展起来的一个备受关注的研究领域。传统的预测方法已经越来越不适应现代要求，由于非线性系统本身的复杂性和神经网络技术良好的适应性，基于人工神经网络的预测前景广阔。因此本文采用神经网络的方法进行石油储层参数的预测。提高储层参数预测的精度对于提高油田采收率、延长油田开发年限具有重要意义。 (1)首先，本文阐述了一些基本的神经网络算法，其中着重研究了广义回归神经网络算法和Elman型回归神经网络算法。 (2)然后，本文介绍了利用这两种算法进行预测建型，并研究了模型的稳定性和推广能力。除此之外，还比较了GRNN与BP网络和RBF网络的优缺点。 (3)在神经网络石油储层参数预测的实际应用中，对遇到问题进行了详细的分析与探讨，突出的问题是训练样本大、训练时间长、收敛速度慢。 (4)为了克服上述不足，本文提出将蚁群算法用于Elman型回归网络的算法中，对实际储层参数的仿真预测结构表明，该模型能够有效提高网络精度，具有良好的稳定性和适应能力，其预测性能明显优于单纯的Elman型回归网络。 试验结果表明，基于人工神经网络的储层参数预测是可行的和有效的，利用神经网络进行储层参数预测对于有效指导油田开采具有较大的参考价值。 收起