函数联接型神经网络的稠油层识别

神经网络的应用受到网络学习速度的限制，文中利用单层函数连接型神经网络对稠油储层和稀油储层的识别，验证了具有高学习速度的函数连接型神经网络在稠油储层识别应用中的可行性。为储层模式识别找到了一种精确，迅速的新方法。     

核磁共振测井技术在渤海稠油储层评价中的应用

为了正确识别渤海湾稠油储层。以实验室饱和稠油岩心核磁共振机理研究为基础,分析了稠油储层P型核磁资料差漕和移谱特征。提出了稠油储层测前设计方案,总结了核磁资料识别稠油储层的方法.通过核磁资料在渤海海域几口井的应用,区分了稠油和中等粘度的油、水层核磁测井响应差异,确定了该区稠油储层合理的T2截止值,计算出储层区问孔隙度和油、水两相孔隙体积,形成了一套识别稠油储层的新方法,推动了P型核磁测井技术在渤海海域的应用,同时能够为后期油藏开发提供依据。     

交绘图技术识别稠油储层的方法研究

稠油储层中，稠油的流动性较差，泥浆侵入的深度较浅，深、浅双侧向电阻率幅度差较小，利用稠油储层的这些特性，结合其它参数研究探讨出构造交绘图的交绘参数(RR—RK)，用于识别稠油储层，并又取得了较好的效果。     

稠油与稀油层判别的灰色聚类方法研究

稠油储层和稀油储层的电性特征有许多相似之和，利用一般方法难以实现定量自动识别，文中根据储层灰色系统与测井信息白色系统之间的内在联系，建立储层稠油与稀油灰色聚类识别系统，为研究区域内稠油与稀油的自动快速识别，提供了有效方法。     

孤南地区浅层稠油弹性参数敏感性分析及应用

针对孤南地区浅层稠油藏地震流体预测问题,考虑油藏温度、压力以及地层水矿化度影响,利用经验公式估算了地层条件下稠油和地层水的纵波速度和密度,认为地层条件下稠油和矿化水弹性参数的差异要比地面条件下明显;在测井岩石物理横波估算和流体替换技术应用的基础上,对储层岩性和流体敏感弹性参数分析认为,砂岩储层相比围岩低泊松比特征明显,由于储层孔隙大,流体对饱和岩石弹性参数影响大,含油砂岩相比含水砂岩低拉梅系数参数特征明显,利用泊松比和拉梅系数可以较好地识别油层;通过叠前反演得到的泊松比和拉梅系数体开展双参数油层识别技术应用,提高了浅层稠油藏的油层预测能力。     

卷积神经网络在岩性识别中的应用

深度学习是人工智能中的一个重要部分,卷积神经网络作为深度学习一个分支,用多层非线性计算单元可以表达高度非线性和高变度函数。提出将卷积神经网络应用于判别储层岩性的方法,构建了一个双层的卷积神经网络模型,样本回判准确率为99%。通过把卷积神经网络方法与岩石物理相方法和支持向量机方法进行对比,分析卷积神经网络方法准确率高、速度快,岩性预测具有实时性。由此证明卷积神经网络在储层岩性识别中的适用性,且准确率较高。     

������������1�������IJ⾮ģ��������

长庆气田马五１ 储层非均质严重，储层种类多且各类储层的分布规律及特征信息模糊不清，缺乏先验知识与经验模式的特点。本项研究引进了模糊神经网络方法，利用测井数据建立了长庆气田马五１ 储层测井判识的模糊神经网络。计算结果表明，其辨识精度（ 回判） 达到了９７ ．４５ ％ ，为利用测井进行储层划分提供了一种方便迅速的工具。经过气田近７０ 口气井的储层分类验证，取得了较为令人满意的结果，表明此分析技术在特定背景条件下较之单一的模糊模式识别或 Ｂ Ｐ 神经网络的精度更高，方法更先进，它既可以避免测井储层识别中因环境影响岩性、电性特征模糊而引起的误差，还可以避免因噪音数据影响网络学习限入局部极小的可能，且网络在接受了特征数据后学习速度也得到较大提高。     

概率神经网络及其在储层产能预测中的应用

概率神经网络（PNN）是一种基于概率密度函数理论且泛化能力很强的神经网络，并且能够广泛地应用于模式识别等领域。针对储层产能的预测问题，提出了一种具体的概率神经网络方法，包括网络模型的构造、学习训练和预测识别等步骤。基于MATLAB6．5设计出概率神经网络的具体应用软件，实际应用表明，在储层产能预测中效果显著。与BP网络进行对比实验，其预测正确率优于BP网络。     

稠油压裂技术

常规压裂技术应用于稠油油藏改造，易伤害储层，排液困难，高渗层生产易出砂。寻求适应稠油油藏储层特性的压裂改造技术，一直是稠油开发者的梦想。吐哈石油井下公司的压裂工程技术人员在长期论证、分析吐哈、塔里木等盆地稠油油田储层物性的基础上，探索出了解决这一问题新思路，开发研制出稠油压裂特色技术，投入现场应用后取得了显著成效。此项技术应用XP-75型油基压裂液，避免了水敏伤害问题，综合应用端部脱砂工艺设计形成高导流裂缝，优化组合陶粒技术防止高渗层的生产出砂，引入前置液氮技术有效降低污染、提高返排效率。     

稠油油藏储层动态测井评价方法

通过提取反映稠油油藏储层动态的特征参数，应用模糊模式识别方式对稠油储层类型进行划分，在比较原钻井及其侧钻井的水淹状况与测井响应关系的基础上，提出用电阻率减小率作为划分稠油储层水淹级别的标准，并应用人工神经网络技术实现了稠油储层水淹程度的动态测井解释。