共查询到10条相似文献,搜索用时 15 毫秒
1.
������������1�������IJ⾮ģ�������� 总被引:1,自引:0,他引:1
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。 相似文献
2.
在改进的神经网络训练算法的基础上.提出了利用神经网络快速识别气、水层的方法。为了迅速、准确地判断储层性质,选用了Kohonen自组织网络和BP神经网络,利用测井参数,建立了长庆气田气、水层识别模型。仿真计算与测井综合解释相对比,样本符合率高达81.3%。分析表明,该方法所需参数少、适用范围广,能定量识别出气水层,从而为制定有水气井改造措施提供较可靠的依据。 相似文献
3.
《油气井测试》2021,(3)
苏里格气田预测气井产能的方法未考虑高含水饱和度对气井产能的影响,导致产能预测结果偏差大。以气井产能方程为基础,研究影响产能因素,综合分析各参数判断影响未压裂投产井产能的主要因素为地层系数,为减小束缚水饱和度和残余气饱和度对储层评价的影响,提出改进地层系数法预测产能。该方法选用pirson相对渗透率模型,利用实验数据确定模型经验参数,求取归一化相对渗透率,结合有效气层厚度,得到基于归一化相对渗透率的改进地层系数M,建立M预测产能模型。经苏X区块苏X-20-9X井及苏X-11-22X井进行验证,利用改进的地层系数法预测的无阻流量与试气无阻流量符合率在82%以上,符合气井的实际生产规律。该方法所需参数少且易获取,在苏X区块具有很好的使用价值。 相似文献
4.
5.
改进结构的小波神经网络在油田开发指标预测中的应用 总被引:2,自引:2,他引:0
由于油藏储层的非均质性和决定油田开发指标因素的不确定性,往往很难对油田开发指标进行准确的预测.针对小波神经网络模型及算法预测油田开发指标存在的不足,提出了改进结构的小波神经网络模型.改进结构的小波神经网络模型使输入指标同时在不同时间因子和尺度因子的小波基上展开.实例分析结果表明,改进结构的小波神经网络模型不仅继承了小波神经网络的优点,且具有比小波神经网络预测油田开发指标精度更高、训练速度更快的优势,其预测的平均精度达到97.02%,是预测油田开发指标的一种较实用的方法. 相似文献
6.
以渗流力学基本原理为基础,尝试利用测井评价方法来进行储层产能预测,提取产能测井参数,采用支持向量机技术建立储层产能预测系统模型,在油气层测试之前对其产能进行先期预测。与传统的神经网络预测方法相比,支持向量机克服了后者容易陷入局部极小的现象,得到了全局最优解。实例分析表明,该方法是一种实用、有效、准确性较高的储层产能间接求取方法,可用于生产实践。 相似文献
7.
模糊优选神经网络储层识别技术在长庆中部气田马五_1段的应用 总被引:4,自引:3,他引:1
鄂尔多斯盆地奥陶系马家沟组岩性复杂,属于致密储层,所以储层识别是该层系天然气开发中所面临的关键问题和难点之一。传统的储层识别方法准确率较低,因此提出了利用基于粒子群算法的模糊优选神经网络对储层中的气、水、干层进行识别。选用长庆中部气田19口井分层测试92个已知样本,通过对物性、测井和储渗特征等参数的分析,选取电阻率、自然伽马、产能系数、储渗因子和介质类型因子5个主成分控制特征参数作为样本输入,以样本储层的产能赋值作为输出,构建了基于粒子群算法的模糊优选神经网络的储层识别模型。通过试算,优选了2个模型,回判正确率分别达到96.2%和92.3%,储层识别正确率达到100%。 相似文献
8.
储层产能预测是一种对储层产油能力进行综合性评价的技术,也是测井界的一项技术难题,本文着重在水淹机理实验研究的基础上,通过分析研究确定了在动态开发情况下变化的饱和度指数(n)和胶结指数(m)的影响因素和变化规律;利用测井资料结合动态地质资料建立适应油田不同开发期的产能预测模型;利用神经网络技术提高了产能预测的解释精度,建立了包括岩性,物性,混合水电阻率等参数的解释模型。利用FMT测井资料解决了地层压力的计算并进行储层产能的评价和预测。 相似文献
9.
《石油物探》2017,(5)
针对现有核磁共振测井渗透率模型对孔隙结构复杂的致密砂岩储层预测精度不高的问题,在分析误差反向传播神经网络的缺陷后,提出了一种利用集成正则化改进神经网络(BPNN)算法与核磁共振T_2全谱预测致密砂岩储层渗透率的方法。该方法采用自构形算法自动确定隐层神经元的个数,采用自适应雨林优化算法避免BP神经网络迭代陷入局部极小值,利用L_2正则化算子保证算法的稳定性,采用Adaboost集成算法串联若干BP神经网络以提高模型泛化能力。提取某区致密砂岩储层192块岩样的核磁共振T_2全谱数据进行建模,并应用于非建模井的渗透率评价,认为基于集成正则化改进BPNN算法评价储层渗透率精度较高,均方误差仅有0.286。 相似文献
10.
利用测井资料预测油气储层产能还没有一套成熟的方法。研究区酸性火山岩储层非均质性强,产能变化大,测井产能预测难。在天然气测井响应特征研究基础上,提出利用中子—密度孔隙度组合、核磁共振—密度孔隙度、横纵波时差比值以及综合参数反映储层含气性;将综合参数与有效厚度结合,得到产能指数,用于判别储层产能级别;根据储层孔隙度、饱和度、渗透率及有效厚度特性对产能贡献的大小不同,分别采用不同指数建立产能计算模型。应用该方法对徐深气田火山岩储层进行产能预测,储层级别预测准确率达到90%,预测相对误差较低,效果较好,为天然气试气选层提供了准确的依据。 相似文献