基于BP神经网络的储层微孔隙结构类型预测

详细信息   

• 责任者：蔺景龙^c大庆石油学院^d1949^e博士^f教授 ; 聂晶 ; 李鹏举 ; 杨艳
• 刊名：测井技术
• 出版年：2009
• 卷期：33^b4总203
• 关键词：神经网络系统 ; 储集层 ; 地球物理测井20^a数据处理 ; 测井曲线 ; 孔隙结构
• 页码：355～359
• 索书号：P635.06/649-2
• 图表：^c表1参5插图
• 分类号：2100,0831
• 文摘期号：2010/03

摘要

储层的微孔隙结构是影响高含水期油田剩余油分布的主要因素。提出了基于神经网络技术对测井资料处理以识别储层孔隙结构类型的方法。介绍了BP神经网络原理，该方法利用人工神经网络技术所具有的非线性、容错性和较强的模式识别能力实现了综合推理，进行储层孔隙结构类型预测。选取反映孔隙结构类型特征的自然电位、自然伽马，声波时差等7条常规测井曲线建立样本模式，并统一刻度，进行归一化处理，建立了神经网络模型。对大庆油田采油五厂储层样本进行了处理，符合率达80%以上，表明该方法用于预测储层微孔隙结构类型是可行和有效的。