文献类型：期刊文章

作　　者：袁颖[1] 谭丁[2] 于少将[1] 李杨[3] 韩冰[1]

YUAN Ying;TAN Ding;YU Shaojiang;LI Yang;HAN Bing(School of Prospecting Technology & Engineering,Hebei GEO University,Shijiazhuang,Hebei050031;Hebei Institute of Geological Survey,Shijiazhuang,Hebei050081;Research Center of Land Resources,Hebei Bureau of Geology and Mineral Resources,Shijiazhuang,Hebei050081)

机构地区：[1]河北地质大学勘查技术与工程学院,河北石家庄050031 [2]河北省地质调查院,河北石家庄050081 [3]河北省地矿局国土资源勘查中心,河北石家庄050081

出　　处：《地质与勘探》

基　　金：河北省自然科学基金项目(编号:D2019403182);河北省教育厅青年基金项目(编号:QN2019196)联合资助

年　　份：2019

卷　　号：55

期　　号：4

起止页码：1082-1091

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CAS、CSCD、CSCD2019_2020、JST、RCCSE、ZGKJHX、核心刊

摘　　要：页岩气总有机碳(TOC)含量是评价岩性气藏的关键指标,受复杂地质及岩心采集等多种因素的影响,常规室内测试分析获得的TOC含量的数据有限且结果有失准确。为合理准确预测页岩气TOC含量,本文首先通过对页岩气储层TOC含量测井资料综合分析选取8条测井曲线,并结合主成分分析法(Principal Component Analysis,PCA)提取四个主成分;其次基于贝叶斯正则化(Bayesian Regularization)改进的BP神经网络方法建立页岩气TOC含量预测的BR-BP模型;最后利用该模型对研究区A区页岩气TOC含量进行预测,并与常规的LM-BP神经网络模型的预测结果进行对比。结果表明:BR-BP模型有较强的非线性拟合能力,能够真实地反映出页岩气TOC含量与各测井参数之间的非线性关系,其模型预测结果与实际值基本吻合,与常规的LM-BP神经网络模型相比,其数据敏感性增强,预测精度有所提高,该研究方法具有一定的理论意义和参考价值,为我国TOC含量预测提供了一种新的技术方法和手段。

关 键 词：页岩气 有机碳(TOC)含量  主成分分析  贝叶斯正则化 BP神经网络  

分 类 号：P618.13]