论文部分内容阅读
精确确定储层的声波孔隙度是测井解释中的一个难题.传统方法在使用时的局限性,提出基于神经网络的LM算法预测储层的声波孔隙度.其主要步骤包括样本的选取与预处理,网络结构的设计,基于Matlab神经网络工具箱编程实现的LM算法的网络训练、声波孔隙度预测.经与BP算法比较,该算法迭代速度快且计算精度高,能较准确地实现声波孔隙度的预测任务.