模糊逻辑和神经网络及其在含油饱和度预测中的应用

被引：4

作者：

赵睿 ^{[1
]}

Roger T ^{[2
]}

石磊 ^{[1
]}

机构：

[1] 中国石油新疆油田分公司勘探开发研究院

[2] Petroleum Recovery Research Center,New Mexico Tech,Socorro New

来源：

测井技术 | 2007年 / 04期

关键词：

测井曲线; 模糊理论; 神经网络; 含油饱和度; 储层参数;

D O I：

10.16489/j.issn.1004-1338.2007.04.016

中图分类号：

P631.8 [地下地球物理勘探];

学科分类号：

摘要：

对人工智能技术在油田开发中的应用做了简要回顾。介绍了模糊逻辑理论中的模糊排队算法和人工智能中的BP神经网络模型。将模糊排队算法和BP神经网络相结合,以新疆油田某井的实际测井曲线为例,用模糊曲线分析方法确定全局相关性强的输入变量(测井曲线),建立BP神经网络含油饱和度预测模型,并对含油饱和度做了预测,利用模型的预测结果和计算值相比较具有较高的吻合度,证明该方法在实际储层参数预测中具有良好的实用性。

引用

页码：327 / 330

页数：4

共 6 条

[1] 利用神经网络技术预测剩余油分布 [J].

高兴军 ;

于兴河 ;

李胜利 ;

王庆如 ;

梁卫 .

石油学报, 2005, (03) :60-63

[2] 神经网络数据挖掘工具用于剩余油分布研究 [J].

宋志军 ;

潘志 ;

胡海峰 ;

马玉书 .

石油大学学报(自然科学版), 2003, (01) :105-106+1

[3] 利用神经网络方法确定薄差层剩余油的分布附视频 [J].

刘波 ;

杜庆龙 ;

王良书 ;

刘绍文 .

高校地质学报, 2002, (02) :199-206

[4] 储层温度对阿尔奇公式参数的影响 [J].

邓少贵 ;

边瑞雪 ;

范宜仁 ;

刘兵开 ;

张立鹏 .

测井技术, 2000, (02) :88-91+158

[5]

Optimization of formation analysis and evaluation protocols using neuro-simulation[J] . T. Ertekin,N. Silpngarmlers.Journal of Petroleum Science and Engineering . 2005 (3)

[6]

Application of artificial intelligence to characterize naturally fractured zones in Hassi Messaoud Oil Field, Algeria[J] . Abdelkader Kouider El Ouahed,Djebbar Tiab,Amine Mazouzi.Journal of Petroleum Science and Engineering . 2005 (3)

← 1 →