基于量子神经网络的水淹层识别方法

作     者：赵娅 王伟 李盼池 ZHAO Ya;WANG Wei;LI Pan-chi

作者机构：东北石油大学计算机与信息技术学院黑龙江大庆163318 广东石油化工学院石油工程学院广东茂名525000 

基　　金：国家自然科学基金项目“基于计算智能的油田措施规划模型及优化算法研究”(61702093) 广东省非常规能源工程技术研究中心开放基金资助(GF2018B009) 中国石油科技创新基金项目(2018D-5007-0302) 黑龙江省博士后资助经费资助(LBH-Z18045) 东北石油大学青年科学基金项目(2018QNL-56)联合资助 

出 版 物：《地球物理学进展》 (Progress in Geophysics)

年 卷 期：2019年第34卷第5期

页      码：1971-1979页

摘      要：针对油藏测井解释中的水淹层计算机自动识别问题,本文首先提出一种基于量子神经网络的识别方法.首先构造了一个量子神经网络模型,该模型可以接收多维离散序列样本,隐层为量子神经元,输出层为普通神经元.采用梯度下降法设计了该模型的学习算法.然后设计了基于量子神经网络的水淹层识别方法.该方法精选了描述水淹级别的九个特征,直接采用这些特征的离散数值构造训练样本,实施网络训练,训练后的网络即可用于同类地区的水淹层识别.最后以辽河油田某区块258个地层样本为例,进行了水淹层识别处理,识别率可达88%.实验结果揭示出,量子神经网络对于水淹层自动识别问题具有良好的适应性和实用性.

主 题 词：水淹层识别 量子计算 量子神经网络 测井解释 

学科分类：081801[081801] 081802[081802] 08[工学] 0818[工学-交通运输类] 

核心收录：

D　O　I：10.6038/pg2019DD0006

馆 藏 号：203818357...