基于常规测井数据的火山岩岩性神经网络识别:以松辽盆地南部长岭断陷为例

松辽盆地南部长岭断陷火石岭组火山岩岩性复杂多变,成岩改造强烈,常规测井交会图法无法予以有效识别,严重阻碍了研究区火山岩油气藏的勘探开发进程。笔者以长岭断陷17口钻遇火石岭组火山岩钻井为基础,建立取芯段火山岩岩性序列,提取了8种火山岩常规测井(GR、LLS、LLD、CNL、DEN、AC)数据258组,总结出不同火山岩的测井响应基本特征。提取的数据随机分为训练数据(70%)和预测数据(30%)。训练数据用于建立BP神经网络岩性预测模型,同时引入Dropout机制减少过拟合现象。预测数据用于验证该模型岩性预测符合率。研究结果表明,该模型岩性预测符合率最高达89.03%,可有效区分研究区主要火山岩岩石类型。