| 利用神经网络技术在储层非均质性上的研究 |
| |
| 引用本文： | 路杨,单敬福.利用神经网络技术在储层非均质性上的研究[J].地质学刊,2007,31(1):50-58. |
| |
| 作者姓名： | 路杨 单敬福 |
| |
| 作者单位： | 同济大学建筑与城市规划学院，同济大学海洋学院 上海200092，河南大学计算中心，河南开封475001，上海200092 |
| |
| 基金项目： | 大庆油田勘探公司资助项目 |
| |
| 摘 要： | 储层非均质性对油气田的勘探和开发效果影响很大。结合测井资料二次解释的孔隙度(φ)、泥质含量(Vsh)、粒度中值(Md)、束缚水饱和度(Swi)等资料,借助BP网络算法,对渗透率进行预测。BP网络算法是人工神经网络算法中的一种,采用的是误差逆传算法,即把网络输出的误差归纳为各连接权的过程,通过把输出层的误差逐层向输入层逆向传播以分摊给各层单元,从而获取各层单元的参考误差,以便调整相应的联接权。如此反复,直至网络输出与期望输出之间的误差减少到允许误差为止。通过这样学习过程,消除了系统误差,提高了渗透率预测的精度,并为定性定量描述储层非均质性打下了坚实的基础。通过对萨尔图油田中部葡萄花油层组的非均质性进行了定量半定量的研究,认为萨尔图油田中部葡萄花油层组PI2小层层内非均质性最严重,与沉积微相密切相关。单砂层垂向上渗透率的变化以正韵律和复合式韵律为主,局部发育反韵律模式。经对葡萄花油层组PI1~PI4系统研究,层内非均质性强弱依次为PI2a、PI3、PI2b、PI1、PI4;层间非均质性在PI3和PI4间表现得最强,其他相对要弱;各小层平面非均质性相差无几,整体表现为较强的非均质性。
|
| 关 键 词： | 储层非均质性 综合系数 夹层频数 BP神经网络 |
| 文章编号： | 1003-6474（2007）01-0050-09 |
| 收稿时间： | 2006-03-21 |
| 修稿时间： | 2006-04-13 |
Application of artificial neural network technology in study of reservoir anisotropy |
| |
| LU Yang,SHAN Jing-fu.Application of artificial neural network technology in study of reservoir anisotropy[J].Jiangsu Geology,2007,31(1):50-58. |
| |
| Authors: | LU Yang SHAN Jing-fu |
| |
| Institution: | 1. College of Architecture and Urban Planning, Shanghai Tongji University, Shanghai 200092, China; 2. Computing Center of Henan University, Kaifeng 475001, Henan; 3. Ocean College of Tongji University, Shanghai 200092, China |
| |
| Abstract: | |
| |
| Keywords: | Reservoir anisotropy Comprehensive coefficients Interlayer frequency BP neural network |
| 本文献已被 CNKI 维普 万方数据 等数据库收录！ |
| 点击此处可从《地质学刊》浏览原始摘要信息 |
| 点击此处可从《地质学刊》下载免费的PDF全文 |
|
