优化BP神经网络在川西上三叠统陆相页岩含气性预测中的应用

含气性评价是页岩储层优选及甜点区优选的关键,但页岩储层在纵向上具有强非均质性及含气性差异,常规含气性评价方法预测效果较差。为了克服该问题,本文引入LM算法,利用优化BP神经网络模型对川西上三叠统陆相页岩储层含气性进行测井评价。研究结果表明,TOC含量、粘土矿物含量、岩石密度、有效孔隙度、气相渗透率及含气饱和度6个测井参数对页岩储层总含气量的影响程度最大。优选这6个测井参数作为输入层样本,进行LM-BP神经网络训练。页岩储层总含气量预测结果的相对误差分布在0.1%~15%,平均相对误差为5.52%,误差较小,表明该方法的有效性。