《表2 多层感知器神经网络训练、测试、保持样本结果分类》

  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

建立的多层感知器神经网络模型对所有样本的储集层含气性识别结果见表2。训练集中有157个核磁共振样本，其中154个样本被正确分类，整体准确率达98.1%，2个气层误测为含气水层和水层，1个水层误测为气层；测试集中有55个核磁共振样本，其中53个样本被正确分类，整体准确率为96.3%，1个气层误测为水层，1个水层误测为气层；保持样本集中有90个核磁共振样本，其中82个样本被正确分类，整体准确率为91.1%，4个含气水层误判为气层和水层，3个气层被分别误判为其他储集层含气性分类。整体上可以看出气层判别准确率相对较低，分析原因可能是由于该区为低孔隙度、低渗透率、低压气藏，储集层含气饱和度相对较低，或者储集层样品中气体逸散，使得气层预测相对准确率偏低。但是，整体上建立的多层感知器网络模型对储集层含气性的识别预测效果较好，基本实现了快速、有效预测低渗透率储集层含气性的目标。