特种油气藏
特種油氣藏
특충유기장
SPECIAL OIL & GAS RESERVOIRS
2013年
2期
43-47
,共5页
庞国印%唐俊%王琪%马晓峰%廖朋
龐國印%唐俊%王琪%馬曉峰%廖朋
방국인%당준%왕기%마효봉%료붕
概率神经网络%成岩相%长8储层%合水地区%鄂尔多斯盆地
概率神經網絡%成巖相%長8儲層%閤水地區%鄂爾多斯盆地
개솔신경망락%성암상%장8저층%합수지구%악이다사분지
鄂尔多斯盆地合水地区延长组长8段储层非均质性强,传统的成岩相评价方法存在局限,提出了利用概率神经网络进行成岩相预测的新方法.首先对输入项参数进行了研究,选择沉积微相和测井曲线中的自然伽马(GR)、自然电位(SP)、井径测井(CAL)、声波时差(AC)、补偿中子(CNL)、密度测井(DEN)数值作为输入层参数,然后对概率神经网络进行训练和检验,最后利用建立好的神经网络对研究区成岩相进行预测,准确率达到90％以上 该方法适用于未取心井区域的成岩相研究.
鄂爾多斯盆地閤水地區延長組長8段儲層非均質性彊,傳統的成巖相評價方法存在跼限,提齣瞭利用概率神經網絡進行成巖相預測的新方法.首先對輸入項參數進行瞭研究,選擇沉積微相和測井麯線中的自然伽馬(GR)、自然電位(SP)、井徑測井(CAL)、聲波時差(AC)、補償中子(CNL)、密度測井(DEN)數值作為輸入層參數,然後對概率神經網絡進行訓練和檢驗,最後利用建立好的神經網絡對研究區成巖相進行預測,準確率達到90％以上 該方法適用于未取心井區域的成巖相研究.
악이다사분지합수지구연장조장8단저층비균질성강,전통적성암상평개방법존재국한,제출료이용개솔신경망락진행성암상예측적신방법.수선대수입항삼수진행료연구,선택침적미상화측정곡선중적자연가마(GR)、자연전위(SP)、정경측정(CAL)、성파시차(AC)、보상중자(CNL)、밀도측정(DEN)수치작위수입층삼수,연후대개솔신경망락진행훈련화검험,최후이용건립호적신경망락대연구구성암상진행예측,준학솔체도90％이상 해방법괄용우미취심정구역적성암상연구.
