基于GGA优化的PNN方法在气水储层识别中的应用

详细信息   

• 责任者：张光辉^c成都理工大学^d1986^e硕士研究生 ; 周文 ; 张银德 ; 金文辉 ; 包艳
• 刊名：断块油气田
• 出版年：2011
• 卷期：18^b2总104
• 关键词：油田水 ; 储集层20^a神经网络系统 ; 油气勘探
• 页码：228～231
• 索书号：P623.206/959
• 图表：^c参13插图
• 分类号：0831
• 文摘期号：2011/08

摘要

能够较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，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剐模型。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。