TY -的A2 -艾哈迈德,赛义德·哈桑AU - Siddig,奥萨马盟——Abdulhamid马哈茂德·艾哈迈德盟——Elkatatny Salaheldin盟——Soupios Pantelis PY - 2021 DA - 2021/07/26 TI -利用人工神经网络在预测中的总有机碳泥盆纪页岩利用常规测井和光谱射线SP - 2486046六世- 2021 AB -由于较高的石油和天然气生产和消费,非常规储层吸引了巨大的利益。总有机碳(TOC)是一个重要的非常规资源的质量。一般来说,TOC测量实验;然而,连续TOC信息很难获得,由于样本的局限性,TOC有适度的开发经验公式精度应用在不同的数据集。本文来自泥盆纪Duvernay页岩的数据被用来建立一个优化的经验相关性预测TOC基于人工神经网络(ANN)。3井的数据集被用来构建和验证模型包含超过1250数据点,和每个数据点包括TOC值、密度、孔隙度、电阻率、自然伽马、声波瞬态时间和光谱射线。这三个数据集分别用于训练,测试和验证。开发相关的结果比较三个模型可用。灵敏度和优化测试达到最好的执行模型的平均绝对百分误差(AAPE)和相关系数( R实际和预测TOC之间)。新关联了一个优秀的匹配与实际TOC值 R值高于0.93和AAPE值低于14%。验证数据集的相关性优于其他经验相关性和导致AAPE不到10%,与20%以上AAPE相比其它模型。这些结果暗示这种相关性的适用性;据报道,因此,所有相关的参数允许其使用在不同的数据集。SN - 1687 - 5265 UR - https://doi.org/10.1155/2021/2486046 - 10.1155 / 2021/2486046摩根富林明计算智力和神经科学PB - Hindawi KW - ER