CAJ | 학술논문

渗透率是储层评价中的重要参数,与传统的经验模型或统计模型计算的结果相比,BP神经网络由于高强度非线性映射能力及较强的自适应和自学能力,可以更精确地预测储层渗透率.通过对常规BP网络模型的改进,即在模型中加入定量化的岩性评价参数作为一个学习样本,建立了储层参数与测井响应及岩性之间的非线性模型.应用该方法对北部湾盆地涠西南凹陷涠洲某油田流一段的渗透率进行预测,取得了较好的效果.该方法计算的渗透率与实测渗透率吻合度很好,而且比用常规的、没有岩性控制的BP网络模型计算的渗透率精度更高.除了在储层参数预测方面进行应用,该方法还在储层沉积微相和岩性预测方面有着广泛的应用前景.
삼투솔시저층평개중적중요삼수,여전통적경험모형혹통계모형계산적결과상비,BP신경망락유우고강도비선성영사능력급교강적자괄응화자학능력,가이경정학지예측저층삼투솔.통과대상규BP망락모형적개진,즉재모형중가입정양화적암성평개삼수작위일개학습양본,건립료저층삼수여측정향응급암성지간적비선성모형.응용해방법대북부만분지위서남요함위주모유전류일단적삼투솔진행예측,취득료교호적효과.해방법계산적삼투솔여실측삼투솔문합도흔호,이차비용상규적、몰유암성공제적BP망락모형계산적삼투솔정도경고.제료재저층삼수예측방면진행응용,해방법환재저층침적미상화암성예측방면유착엄범적응용전경.