测井技术
測井技術
측정기술
WELL LOGGING TECHNOLOGY
2010年
5期
432-436
,共5页
钟仪华%李榕%张志银%朱海双
鐘儀華%李榕%張誌銀%硃海雙
종의화%리용%장지은%주해쌍
测井曲线%动态预测%水淹层识别%主成分分析%离散过程神经网络
測井麯線%動態預測%水淹層識彆%主成分分析%離散過程神經網絡
측정곡선%동태예측%수엄층식별%주성분분석%리산과정신경망락
提出了一种利用主成分分析和离散过程神经网络进行水淹层动态预测的方法,对测井曲线信息随油层厚度变化的离散数据进行主成分分析,减少了离散过程神经网络模型的输入参数,排除了各参数之间的相关性.引入了反映深度变化累积效应的输入参数--测井参数曲线层段的不同油层厚度.据此建立的识别模型能够反映出随含水率的上升、深度不同时测井曲线的变化规律.实例研究表明,提出的方法与BP神经网络识别方法、支持向量机方法相比较具有更快的运算速度和更高的识别精度,能够体现出高含水期水淹层的动态变化特征.
提齣瞭一種利用主成分分析和離散過程神經網絡進行水淹層動態預測的方法,對測井麯線信息隨油層厚度變化的離散數據進行主成分分析,減少瞭離散過程神經網絡模型的輸入參數,排除瞭各參數之間的相關性.引入瞭反映深度變化纍積效應的輸入參數--測井參數麯線層段的不同油層厚度.據此建立的識彆模型能夠反映齣隨含水率的上升、深度不同時測井麯線的變化規律.實例研究錶明,提齣的方法與BP神經網絡識彆方法、支持嚮量機方法相比較具有更快的運算速度和更高的識彆精度,能夠體現齣高含水期水淹層的動態變化特徵.
제출료일충이용주성분분석화리산과정신경망락진행수엄층동태예측적방법,대측정곡선신식수유층후도변화적리산수거진행주성분분석,감소료리산과정신경망락모형적수입삼수,배제료각삼수지간적상관성.인입료반영심도변화루적효응적수입삼수--측정삼수곡선층단적불동유층후도.거차건립적식별모형능구반영출수함수솔적상승、심도불동시측정곡선적변화규률.실례연구표명,제출적방법여BP신경망락식별방법、지지향량궤방법상비교구유경쾌적운산속도화경고적식별정도,능구체현출고함수기수엄층적동태변화특정.
