BP神经网络在原煤固定碳含量预测中的应用

固定碳是煤层工业组分的重要参数之一,传统的均质理论、线性假设在储层参数预测过程中存在着模型简单、受地层非均质性影响较高等方面的不足,参数预测结果误差较大。为提高对工业组分预测的精度及推广能力,采用非线性关系的BP神经网络方法,通过测井数据预处理、挑选学习样本等工作建立预测原煤固定碳含量的BP神经网络模型。经过学习效果检验及误差分析得出,由BP神经网络预测得到的原煤固定碳含量与实验分析数据之间误差小,预测精度高,具有较好的可推广性。

资料为PDF文档格式.

本文档关键词:原煤,预测,固定,中的,神经网络