利用BP神经网络法对致密砂岩气藏储集层复杂岩性的识别

被引：34

作者：

单敬福 ^{[1
]}

陈欣欣 ^{[1
]}

赵忠军 ^{[2
,3
]}

葛雪 ^{[1
]}

张芸 ^{[1
]}

机构：

[1] 长江大学油气资源与勘探技术教育部重点实验室

[2] 中国石油长庆油田分公司苏里格气田研究中心

[3] 低渗透油气田勘探开发国家工程实验室

来源：

地球物理学进展 | 2015年 / 30卷 / 03期

关键词：

苏里格气田; 交会图法; BP神经网络; 复杂岩性识别;

D O I：

暂无

中图分类号：

P618.13 [石油、天然气]; P631.81 [];

学科分类号：

0709 ; 081803 ; 0818 ; 081801 ; 081802 ;

摘要：

在岩心和录井资料较少,又非常依赖测井资料进行地质综合解释的研究区域,利用测井资料进行岩性识别是一项基础而又重要的工作.测井资料的数据种类虽然较多,但对岩性敏感的曲线较少,因此,如何优选对岩性敏感的测井曲线,然后进行网络学预测岩性,则显得尤为关键.在进行BP神经网络学习前,利用已知岩心资料,优选了本研究区对岩性较为敏感的自然伽玛和光电吸收截面指数这两种测井曲线,并做标准化与归一化处理,以消除测井系列、型号和测井曲线度量单位的不同引起的刻度和数量级误差,从而提高网络收敛速度,建立准确岩性识别模型,识别了未取芯井的岩性.研究结果表明,利用优选输入向量的BP神经网络法对苏里格气田复杂岩性进行识别,识别准确率较高,平均符合率达到了近90%.因此,通过采用该方法对岩性的识别,也为后续基础性研究工作提供了宝贵的一手资料.

引用

页码：1257 / 1263

页数：7

共 20 条

[1] 基于汉南-奎因信息准则的电阻率层析成像径向基神经网络反演 [J].