《表1 隐藏层神经元节点的键结值》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于核磁共振录井数据的多层感知器神经网络对苏里格气田南区的评价预测》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

选择苏里格气田南区有试气结论的核磁共振数据样本302组，将其中157组（52%）作为多层感知器模型训练样本，55组（18.2%）作为保持样本，90组（29.8%）作为测试样本，建立自学习多层感知器神经网络模型。利用训练样本在Softmax函数激活函数的作用下，计算出隐藏层各神经元的键结值即代表相关联的两个变量之间的系数估计值（表1）；然后用已建立的多层感知器神经网络模型将3个分区样本进行交叉对比，其横坐标为试气结论，纵坐标为预测拟概率（图2）。观察预测图中多层感知器神经网络模型默认采用0.5为储集层含气性判别正确和错误概率分界。按照储集层含气性进行分组，当任一类储集层含气性为预测目标时，则其预测概率明显高于其他三类储集层含气性，分类识别效果较好。同时，由观察预测图可以看出每个分类数据都存在一定的异常值，分析认为一方面可能是因为建模数据量少，另一方面在钻取过程中因地层压力变化，原始地层气体膨胀逸散，导致核磁共振数据存在一定的异常值。因此，在后期研究中可以考虑附加一个补偿系数恢复原始储集层含气量，同时取样和测试过程中采用有效的保护而提高测试数据的准确性。