论文部分内容阅读
复杂沉积环境下,烃源岩物性差异较大.经相关性分析揭示了煤系烃源岩TOC含量与各测井参数间存在相关性差异较大、各测井参数间含有互相关关系的特点.采用平均影响值（MIV）方法对测井参数进行筛选,筛选后的测井参数进入最终的BP神经网络建模,从而有效地规避了测井信息间的非相互独立性导致的模型预测误差增大及建模时间增加.依据研究区实验分析的TOC含量数据,分别建立适用于煤系烃源岩的△logR,BP神经网络和遗传算法（GA）优化的BP神经网络TOC含量预测模型.对模型试算分析,结果表明：GA改进后的BP神经网络模型预