《表2 部分BP神经网络训练样本》

  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

《基于完备集合经验模态分解-归一化希尔伯特变换的神经网络储层流体识别》

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

在第2节建立的分频剖面模型中，低频与高频剖面能量分布的差异与储层分布存在显著关联性，可以利用神经网络对这种差异进行学习，从而对某一区域的流体特征做出判断。分别对A井、B井的分频剖面振幅值数据进行标准化，形成训练样本（P1，P2），构成训练集。训练集中包括了700个样本，其中含气样本350个，不含气样本350个。结合测井资料，在含气层和不含气层对应的目标输出（T1，T2）分别为（1，0）和（0，1）。部分训练样本如表2所示。