基于神经网络和开窗技术的储层渗透率的预测方法——以大庆萨尔图油田葡萄花油层组PⅠ1—PⅠ4小层砂岩为例

渗透率是油藏描述和油藏工程中较为关键性的参数,因而如何求取较为精确的地层渗透率参数值显得格外重要。本文在岩心分析化验数据和相关测井曲线数据归一化的基础上,利用改进的开窗技术,借助反馈的神经网络方法逐点计算地层的渗透率。以往在利用遗传算法预测渗透率的时候,因为只考虑了单一的数据点,没有把邻近层位的数据加入学习过程中来,故影响了预测模型的精度和可信度。笔者经过系统的研究,用相邻5个层位的数据点进行学习,建立储层渗透率的预测模型。大庆萨尔图油田葡萄花油层组PⅠ1—PⅠ4小层砂岩的油气勘探实践证明,预测的渗透率与实测的渗透率的值符合较好。