测井技术
測井技術
측정기술
WELL LOGGING TECHNOLOGY
2002年
5期
364-368
,共5页
罗利%姚声贤%任兴国%杨嘉
囉利%姚聲賢%任興國%楊嘉
라리%요성현%임흥국%양가
神经网络%计算方法%模式识别%测井解释%碳酸盐岩%储层评价
神經網絡%計算方法%模式識彆%測井解釋%碳痠鹽巖%儲層評價
신경망락%계산방법%모식식별%측정해석%탄산염암%저층평개
针对四川碳酸盐岩储层实际情况,用测井资料与岩心分析结果组成孔隙度、含水饱和度样本,经BP网络训练后得到模型参数.使用模型参数进行孔隙度、含水饱和度计算,计算结果精度高.BP网络在产能评价方面也有明显优势,能较好地表达储层参数与产能之间的关系,提高预测结果精度.对汉明网络结构作了适当的调整,使其适用于输入为连续值的模式识别问题.在储层流体性质判别方面,气层、水层的判别符合率达93%;该网络在多个地区的测井相分析中应用表明,能提高沉积微相识别率和预测符合率.实际应用证实,神经网络技术能提高测井解释中的数值计算精度和模式识别符合率,已在测井精细解释及储量计算中应用.
針對四川碳痠鹽巖儲層實際情況,用測井資料與巖心分析結果組成孔隙度、含水飽和度樣本,經BP網絡訓練後得到模型參數.使用模型參數進行孔隙度、含水飽和度計算,計算結果精度高.BP網絡在產能評價方麵也有明顯優勢,能較好地錶達儲層參數與產能之間的關繫,提高預測結果精度.對漢明網絡結構作瞭適噹的調整,使其適用于輸入為連續值的模式識彆問題.在儲層流體性質判彆方麵,氣層、水層的判彆符閤率達93%;該網絡在多箇地區的測井相分析中應用錶明,能提高沉積微相識彆率和預測符閤率.實際應用證實,神經網絡技術能提高測井解釋中的數值計算精度和模式識彆符閤率,已在測井精細解釋及儲量計算中應用.
침대사천탄산염암저층실제정황,용측정자료여암심분석결과조성공극도、함수포화도양본,경BP망락훈련후득도모형삼수.사용모형삼수진행공극도、함수포화도계산,계산결과정도고.BP망락재산능평개방면야유명현우세,능교호지표체저층삼수여산능지간적관계,제고예측결과정도.대한명망락결구작료괄당적조정,사기괄용우수입위련속치적모식식별문제.재저층류체성질판별방면,기층、수층적판별부합솔체93%;해망락재다개지구적측정상분석중응용표명,능제고침적미상식별솔화예측부합솔.실제응용증실,신경망락기술능제고측정해석중적수치계산정도화모식식별부합솔,이재측정정세해석급저량계산중응용.
