摘要
在石油钻井工程中,由于技术和设备的客观因素,导致录井数据经常出现异常值,影响了录井解释评价精度.针对该问题,提出了一种基于BP神经网络的录井异常数据处理方法.为了在构建数据环节中提供准确且可信的工程数据,研究了录井异常数据的产生原因及异常数据的表征,并且通过对比格鲁布斯法、K-means聚类算法以及BP神经网络等方法的特点,选择BP神经网络作为异常值处理的方法.通过模型预测的录井数据误差平方值与样本数据的均方根误差进行比较,来确定数据的异常情况,保证检测异常点的合理性.经实验验证和同类算法的比较,表明了BP神经网络模型可以实现检测录井异常点数据,且检测异常点的准确率高于同类算法,处理异常点结果可信,能够有效解决因异常点数据所带来的问题.
基金项目
国家自然科学基金(51774090)
黑龙江省青年创新人才培养计划(UNPYSCT-2020144)
黑龙江省省属本科高校基本科研业务费东北石油大学引导性创新基金(2021YDL-12)
维普
万方数据