自组织神经网络在火成岩岩性识别中的应用

被引：46

作者：

张平 ^{[1
]}

潘保芝 ^{[2
]}

张莹 ^{[2
]}

王鹏 ^{[3
]}

董瑞新 ^{[3
]}

机构：

[1] 中国石油勘探开发研究院西北分院

[2] 吉林大学地球探测科学与技术学院

[3] 中国石油大庆石油管理局钻探集团测井公司

来源：

石油物探 | 2009年 / 01期

关键词：

火成岩储层; 自组织神经网络; 结构参数; 测井资料; 岩性识别;

D O I：

暂无

中图分类号：

P618.13 [石油、天然气];

学科分类号：

070403 [天体物理学];

摘要：

火成岩储层岩性复杂,识别难度大,当已知地层信息较少时,传统的交会图和有监督神经网络(如BP神经网络)等方法在识别岩性时会受到一定限制。为此,基于自组织神经网络(SOM网络)的结构和原理,在松辽盆地南部利用实际测井资料建立了火成岩样本数据集;利用SOM网络对样本数据集进行了训练,得到了数据集的聚类结果;讨论了SOM网络的标准化方式、结构参数和测井曲线对聚类结果的影响,认为利用正态标准化方法、选择合适的结构参数和测井曲线,以样本数据集的聚类结果作为分类基础,对火成岩井段测井资料进行了岩性识别,获得了较好的效果。

引用

页码：53 / 56+16 +16

页数：5

共 12 条

[1]

成像测井图像在火山岩岩性识别中的应用 [J].