断块油气田
斷塊油氣田
단괴유기전
FAULT-BLOCK OIL AND GAS FIELD
2011年
2期
228-231
,共4页
张光辉%周文%张银德%金文辉%包艳
張光輝%週文%張銀德%金文輝%包豔
장광휘%주문%장은덕%금문휘%포염
地质特征%流体属性%GGA-PNN%气水识别
地質特徵%流體屬性%GGA-PNN%氣水識彆
지질특정%류체속성%GGA-PNN%기수식별
能够校准确地进行气水层识别一直以来都是油气勘探开发非常关注的一个问题.在认真分析Z气田山2段储层地质特征的基础上,提出了基于格雷码遗传算法优化的概率神经网络方法(GGA-PNN),探索了该方法在气水层识别中的应用.首先综合常规测井资料和试气资料构建59个气水层样本(其中学习样本36个,预测样本23个),并进行数据归一化处理,然后采用格雷码遗传算法来训练PNN平滑参数和隐中心矢量建立起气水层目的层段识别模型.利用该模型对36个建模训练样本进行回判,正确率达100%,然后对23个预测样本进行识别,结果正确的有22个,预测精度达95.65%,其中一个误判样本是把干层判识为气层.由此表明,利用GGA-PNN方法对山2段未知流体属性的正确识别是可行的.
能夠校準確地進行氣水層識彆一直以來都是油氣勘探開髮非常關註的一箇問題.在認真分析Z氣田山2段儲層地質特徵的基礎上,提齣瞭基于格雷碼遺傳算法優化的概率神經網絡方法(GGA-PNN),探索瞭該方法在氣水層識彆中的應用.首先綜閤常規測井資料和試氣資料構建59箇氣水層樣本(其中學習樣本36箇,預測樣本23箇),併進行數據歸一化處理,然後採用格雷碼遺傳算法來訓練PNN平滑參數和隱中心矢量建立起氣水層目的層段識彆模型.利用該模型對36箇建模訓練樣本進行迴判,正確率達100%,然後對23箇預測樣本進行識彆,結果正確的有22箇,預測精度達95.65%,其中一箇誤判樣本是把榦層判識為氣層.由此錶明,利用GGA-PNN方法對山2段未知流體屬性的正確識彆是可行的.
능구교준학지진행기수층식별일직이래도시유기감탐개발비상관주적일개문제.재인진분석Z기전산2단저층지질특정적기출상,제출료기우격뢰마유전산법우화적개솔신경망락방법(GGA-PNN),탐색료해방법재기수층식별중적응용.수선종합상규측정자료화시기자료구건59개기수층양본(기중학습양본36개,예측양본23개),병진행수거귀일화처리,연후채용격뢰마유전산법래훈련PNN평활삼수화은중심시량건립기기수층목적층단식별모형.이용해모형대36개건모훈련양본진행회판,정학솔체100%,연후대23개예측양본진행식별,결과정학적유22개,예측정도체95.65%,기중일개오판양본시파간층판식위기층.유차표명,이용GGA-PNN방법대산2단미지류체속성적정학식별시가행적.
