基于量子衍生涡流算法和T⁃S模糊推理模型的储层岩性识别OA北大核心CSTPCD
鉴于梯度下降法易陷入局部极值、普通群智能优化算法易早熟收敛,提出一种基于量子衍生涡流算法(Quantum Vortex Search Algorithm,QVSA)和T⁃S模糊推理模型的岩性识别方法,QVSA具有操作简单、收敛速度快、寻优能力强等优点,有助于T⁃S模糊推理模型获得最优参数配置,从而实现储层岩性的准确识别。首先利用具有全局搜索能力的QVSA优化T⁃S模糊推理模型的各种参数;然后利用主成分分析方法降低获取的地震属性维度;再利用优化的T⁃S模糊推理模型识别储层岩性。实验结果表明,利用反映储层特征的8个地震属性识别储层岩性时,所提方法的识别正确率达到92%,比普通BP网络方法高5.1%,同时查准率、查全率、F1分数等指标也较BP网络方法提升明显。
赵娅;管玉;李盼池;王伟;
东北石油大学计算机与信息技术学院,黑龙江大庆163318广东石油化工学院石油工程学院,广东茂名525000
地质学
储层岩性识别量子衍生涡流算法T⁃S模糊推理模型模糊集地震属性
《石油地球物理勘探》 2024 (001)
P.23-30 / 8
国家自然科学基金项目“基于计算智能的油田措施规划模型及优化算法研究”(61702093);P黑龙江省自然科学基金项目“基于深度学习和量子计算的不同沉积微相储层水淹特征识别方法研究”(LH2022F006)联合资助。
评论