利用神经网络方法确定薄差层剩余油的分布附视频

根据密闭取芯检查井资料和地质分析方法 ,通过人工神经网络 (ANN)模式预测 ,即利用ANN方法可以确定薄差储层可动剩余油。首先输入形成剩余油的主要参数 ,然后通过网络的不断学习 ,最后输出判别精度较高的含油饱和度、含水率或水淹级别等参数。该方法的技术关键是输入参数类型的确定 ,它涉及剩余油的形成机制和分布规律等问题。在深入探讨高含水油田开发后期剩余油成因类型的同时 ,还在诸多的剩余油影响因素中 ,确定了利用神经网络判别单井、单层剩余油的参数 ,即井点砂体类型、井点所处位置、注水井砂体类型、注水井距和注水时间。将研究方法应用在大庆长垣萨尔图油田北二区东部三次加密试验区 ,预测薄差层的水淹分布状况 ,对解决三次加密调整井区存在的问题很有成效。同时指出了对该识别方法产生影响的因素。