矿物岩石
礦物巖石
광물암석
JOURNAL OF MINERALOGY AND PETROLOGY
2005年
4期
80-84
,共5页
陕甘宁盆地%中部气田马五1储层%储层识别%产能预测%偏最小二乘神经网络
陝甘寧盆地%中部氣田馬五1儲層%儲層識彆%產能預測%偏最小二乘神經網絡
협감저분지%중부기전마오1저층%저층식별%산능예측%편최소이승신경망락
针对致密储层中气水干层识别和产能预测准确率较低这一难题,提出偏最小二乘神经网络方法:用偏最小二乘方法对输入自变量集进行主成分提取预处理,消除重叠的输入信息,用可变学习速率反向传播算法(VLBP)和附加动量方法(AMOBP)构建BP储层识别和产能预测的网络模型.以陕甘宁盆地中部气田马五1储层气、水、干层识别问题为例,选用19口井分层测试的92个已知样本,在提取物性、测井和储渗特征等方面的14个特征参数后,通过偏最小二乘方法提炼得到电阻率(R11d)、声波时差(△t)、产能系数(kh)、储渗因子(Kφs)、介质类型因子(EE)等5个主成分控制特征参数,消除了信息的重叠.以此为神经网络输入元,以样本储层的类型与产能级别为输出,用VLBP和AMOBP算法建立储层识别和产能预测的BP网络模型.模型的吻合率达100%,均方误差比传统三层网络降低约50%.表明该模型的计算收敛速度快,精度高,为致密储层的准确识别探索了又一新的方法.
針對緻密儲層中氣水榦層識彆和產能預測準確率較低這一難題,提齣偏最小二乘神經網絡方法:用偏最小二乘方法對輸入自變量集進行主成分提取預處理,消除重疊的輸入信息,用可變學習速率反嚮傳播算法(VLBP)和附加動量方法(AMOBP)構建BP儲層識彆和產能預測的網絡模型.以陝甘寧盆地中部氣田馬五1儲層氣、水、榦層識彆問題為例,選用19口井分層測試的92箇已知樣本,在提取物性、測井和儲滲特徵等方麵的14箇特徵參數後,通過偏最小二乘方法提煉得到電阻率(R11d)、聲波時差(△t)、產能繫數(kh)、儲滲因子(Kφs)、介質類型因子(EE)等5箇主成分控製特徵參數,消除瞭信息的重疊.以此為神經網絡輸入元,以樣本儲層的類型與產能級彆為輸齣,用VLBP和AMOBP算法建立儲層識彆和產能預測的BP網絡模型.模型的吻閤率達100%,均方誤差比傳統三層網絡降低約50%.錶明該模型的計算收斂速度快,精度高,為緻密儲層的準確識彆探索瞭又一新的方法.
침대치밀저층중기수간층식별화산능예측준학솔교저저일난제,제출편최소이승신경망락방법:용편최소이승방법대수입자변량집진행주성분제취예처리,소제중첩적수입신식,용가변학습속솔반향전파산법(VLBP)화부가동량방법(AMOBP)구건BP저층식별화산능예측적망락모형.이협감저분지중부기전마오1저층기、수、간층식별문제위례,선용19구정분층측시적92개이지양본,재제취물성、측정화저삼특정등방면적14개특정삼수후,통과편최소이승방법제련득도전조솔(R11d)、성파시차(△t)、산능계수(kh)、저삼인자(Kφs)、개질류형인자(EE)등5개주성분공제특정삼수,소제료신식적중첩.이차위신경망락수입원,이양본저층적류형여산능급별위수출,용VLBP화AMOBP산법건립저층식별화산능예측적BP망락모형.모형적문합솔체100%,균방오차비전통삼층망락강저약50%.표명해모형적계산수렴속도쾌,정도고,위치밀저층적준학식별탐색료우일신적방법.
