文献

J-GLOBAL ID：202102258279240529   整理番号：21A0730604

主成分分析(PCA)を用いて,砂礫岩の岩質認識におけるBPニューラルネットワークモデルの適用を最適化した。【JST・京大機械翻訳】

Application of the Optimized BP Neural Network Model Based on Principal Component Analysis in Lithology Identification of Glutenite Reservoirs

著者 (4件)： Pan Ta (中国石油新疆油田分公司勘探開発研究院,新疆烏魯木斉830011) ,  Ma Xin (新疆油田分公司風城油田作業区,新疆克拉瑪依834000) ,  Xie An (中石油新疆油田分公司,新疆克拉瑪依834000) ,  Gao Ziyang (中国石油新疆油田分公司勘探開発研究院,新疆烏魯木斉830011)
資料名： Xinjiang Dizhi  (Xinjiang Dizhi)
巻： 38  号： 3  ページ： 417-420  発行年： 2020年 
JST資料番号： C2735A  ISSN： 1000-8845  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： ジュンガル盆地のマグーン陥没JL57井区の烏爾禾組は塊状砂礫岩貯留層を発育し、砂礫岩は粗礫岩、中礫岩、細礫岩、中粗砂岩とシルト質砂岩の5種類の岩性に細分化でき、有効貯留層は中礫岩、細礫岩と中粗砂岩の3種類の岩性で、有効貯留層岩性を識別する。油田生産試験油の選択層にとって、解決すべき問題である。従来の検層曲線と岩質間の単純な線形関係の交差図法は油田生産の岩質識別に対する要求を満たせなく、従来の非線形関係のBPニューラルネットワークモデル岩性識別方法を利用し、一部の砂礫岩の種類を識別できるが、この方法は入力パラメータが多く、演算量が大きい。認識結果の精度は一般的である。主成分分析(PCA)法を用いて,自然ガンマ,自然電位,地層比抵抗,音響時間差,密度,補償中性子の6種類の検層曲線から,主成分固有値X,Y,Zの三つのパラメータを計算した。次に,従来のBPニューラルネットワークモデルの代わりに,3つの固有値パラメータを用いて,6つの石油-ガスパラメータを,従来のBPニューラルネットワークモデルと比較して,BPニューラルネットワークモデルのネットワーク構造を単純化し,そして,モデルの計算量を減少させ,そして,岩質認識精度を,効果的に改善した。研究は,研究地域の検層同定の岩質問題を効果的に解決する。Data from Wanfang. Translated by JST.【JST・京大機械翻訳】

シソーラス用語： 固有値 ,  *最適化 ,  電気抵抗率 ,  簡素化 ,  石油 ,  音響 ,  油田 ,  *岩石 ,  砂岩 ,  検層 ,  *礫岩 ,  ネットワーク構造 ,  地層 ,  *主成分分析
準シソーラス用語： 貯留層 , 【Automatic Indexing@JST】

分類 (2件)： 石油・ガス鉱床  (DE09050D) ,  堆積環境,層相  (DE05030F)

タイトルに関連する用語 (8件)： 主成分分析 ,  PCA ,  砂 ,  礫岩 ,  岩質 ,  BPニューラルネットワーク ,  モデル ,  最適化