摘要
李昌彪，宋建平，夏克文.利用RBF神经网络自适应调整算法预测储层产能.石油地球物理勘 探，2006，41（1）：53～ 57
传统径向基(RBF)神经网络的基函数宽度值都由经验公式确定或人为选取，没有考虑误差分 布情况，所以在应用中常常效果不够理想。为此本文以最近邻距离算法为基础提出一种改进 的RBF神经网络算法，能够自适应地调整基函数中心点宽度值以达到高精度、快速逼近样本 的目的。在石油储层产能的预测中，首先对样本信息进行属性约简、预处理；然后在网络学 习训练中通过计算输入样本的RBF神经网络的中心点值，再确定RBF神经网络基函数的宽度值 ，直到满足系统精度为止；最后用训练好的网络来进行储层产能预测。仿真结果表明，改进 的RBF神经网络算法应用效果显著，不仅比传统RBF神经网络算法拟合精度高，而且收敛速度 快。

关键词
径向基神经网络 自适应调整 基函数宽度值 储层产能预测