双重神经网络预测储层及油气

由自组织神经网络和ＢＰ网络组成的双重神经网络，能够克服各自单独使用的局限性，可在复杂地区进行储层及油气预测。在ＢＰ网训练时，采用同伦学习算法，可得到全局最优解，且收敛速度很快。实际应用表明，在用自组织神经网络或ＢＰ网络不能进行储层及油气预测的地区，采用双重神经网络能取得很好的效果。     

中国岩溶缝洞系统油气储层特征及其勘探前景

方法在应用水文地质原理于可溶性油气储层研究的基础上．提出单独划分出岩溶型油气储层。目的指导可溶性油气储层的勘探。结果该类储层内缝洞系统储集空间的几何结构复杂。流体在该系统内分隔储集。结论我国岩溶型储层有比较广阔的勘探前景,应加强油田水文地质研究。综合应用含油气系统预测法．岩溶发育条件分析法,油气水分隔储集特征研究法及油气藏流体泄漏调查法,进行该类储层的勘探。     

��̬ģ���������ڸ��Ӵ���Ԥ���е�Ӧ��

由多种地质因素综合作用构成了复杂的地质环境，从而形成复杂的油气储层。因为各种因素的参与程度、组合特点以及不同地区的储层表现有其各自特征性、相互关联性，从而使地下复杂油气储层具有明显的模糊和非线性特征。因此对于复杂油气藏的储产层识别和预测是一种非常规的问题，解决的方法常用神经网络技术以及模糊神经网络技术，两者在储层油气预测领域得到不同程度的成功应用，但是在网络权值的选择和改造上均存在一定的不足，但遗传算法在此方面有着一定的优势。文章在对模糊技术、神经网络和遗传算法研究的基础上，将这三种技术结合的方法——动态模糊神经网络用来进行复杂油气储层的识别和预测。同时将该方法应用于陕甘宁盆地中部某复杂油气储层的识别和预测，并取得了良好的效果。     

油层识别中人工神经网络二次“滤波”

人工神经网络识别油层是通过BP网络和SOM网络按二次“滤波”来实现的，即：首先用BP网络预测储层参数，然后根据所获得的储层参数信息利用自组织特征映射网络进行模式分类。经江汉西南缘油气勘查的实践表明SOM网络解释结果能做到优于常规的测井解释。     

基于GA-ANFIS的油气储层地震预测方法及应用

基于GA-ANFIS理论，将遗传算法与模糊神经网络技术有机地相结合，构成一种新的油气储层地震非线性预测方法。这种新的预测方法在油气储层预测中，利用地震数据和测井数据之间的非线性映射关系建立训练样本，将GA算法与ANFIS网络中的学习算法相结合，构成混合算法来优化ANFIS网络的前提参数和结论参数，并在遗传算法中加入禁忌搜索算法，这种混合算法自始至终将各算法按一定概率比例进行，其概率自适应变化，加快了网络收敛速度和提高了网络性能，获得了良好的预测效果。在测井数据约束下，应用所提出的方法对碳酸岩盐储层和砂岩储层分别进行了平面预测和剖面预测，并按储层有效性指数进行了储层分级，这种分级反映了储层的有效性和含油气状况，提高了油气储层的实际预测效果，是对油气储层预测技术的一种新发展，开拓了油气储层预测发展技术。     

地震属性神经网络油气模式识别技术及其在东海的应用

神经网络油气模式识别技术是综合利用地震属性进行油气预测的技术之一，它首先通过计算获得多种地震属性，综合分析找出对储层油气比较敏感的地震属性组合；然后收集油气井与非油气井的井旁道地震属性，组成学习样本并进行神经网络学习；最后利用学习结果对储层进行油气预测。该技术在东海某工区的应用结果表明，振幅统计类和复数道统计类地震属性是对该地区储层油气最敏感的地震属性组合。神经网络油气模式识别技术可以作为东海地区储层油气预测的一种手段。     

模糊神经网络及其在油气预测中的应用

常规模式识别方法进行油气预测存在样本数量大、参数非线性及已知样本类型分类有明显的模糊性等特点。本文根据神经网络的自适应谐振理论，结合模糊聚类算法、特征参数非线性映射的有效性校验，构成了一个性能完善的地震油气预测系统。该系统对样本特征空间用模糊神经网络建立未知样本的预测度量，更加符合客观地质特征和油气分析规律，从而能判别不同气富集的有利区域。数值分析和实践应用表明，该方法数值稳定可靠，在储层油气预测     

模糊神经网络油气预测

本文在分析研究ＢＰ网络油气预测存在问题的基础上，提出了一种模糊神经网络。这种网络与ＢＰ网络相似，它是将模糊的概念结合于网络之中，使神经网络可以处理结构化的知识，亦即由专家给出的规则，从而提高了油气预测结果的可信度。同时，在网络训练时采用同伦学习算法，大大提高了网络训练的收速度，避免了用梯度下降法训练网络所产生的局部收敛现象。模糊神经网络已在大庆探区多个高分辨率区块进行了油气预测的实际应用，取得了较     

频率衰减属性在深层碳酸盐岩油气勘探中的应用

针对BL地区长兴组地层碳酸盐岩礁滩相岩性油气藏具有埋藏深、油气分布不均匀的特征,提出了应用频率衰减梯度属性和低频伴影现象相结合进行油气检测的思路。首先介绍了频率衰减梯度和低频伴影现象的方法原理;其次结合研究区长兴组地层的储层物性参数建立地质模型,运用黏滞弥散型波动方程模拟和分析了该类储层的地震响应特征,模型分析表明利用频率衰减梯度属性和低频伴影现象识别此类储层的含气性是可行的。实际资料的应用证实频率衰减梯度属性和低频伴影现象对该类储层都有较好的指示,其预测结果能够相互验证,提高了储层预测及流体检测的准确性,为BL地区长兴组地层碳酸盐岩礁滩相岩性油气藏及类似油气藏的油气识别及流体检测提供了思路。     

鄂西渝东区石柱复向斜石炭系地震储层预测

为了解决鄂西渝东区石柱复向斜石炭系地震储层问题 ,应用测井约束地震反演技术和模式识别技术 ,对该地区石炭系岩性、储层厚度及油气分布进行了预测。实际钻探结果说明 ,该方法是有效的和精确的 ,可以对相似的地质区域进行储层预测 ,有较大的推广和应用价值。     

综合运用模式识别方法评价塔北雅克拉地区圈闭的含油气性

本文采用灰色关联度，模糊聚类及人工神经网络方法，预测了塔北雅克拉地区圈闭的含油气性，预测所用参数有氧化还原电位，放射性能谱，，地震，高精度重磁，频谱激电等。为了把灰色产联度方法用于面积性资料处理，将灰色曲线关联度推广的为灰色曲面关联度，在分析对比上述三种预测方法的应用前提，条件及效果的基础上可以看出，综合运用多种方法，多参数可以减少预测结果的多解性，本文中综合预测的地质效果明显，其中大涝坝远景区已     

一种自构神经网络及其在测井资料解释中的应用

鉴于ＢＰ网络存在着学习过程收敛速度慢，网络容错能力差的缺点，本文提出了一种自构神经网络算法。该算法分两部分：１．将模糊集理论与神经网络相结合提出一个模糊动态改变学习率的有效算法；２．利用相关自动原理来动态调整网络的隐节点数，最终让其达到一个最佳的稳定状态。将此方法应用于江苏油田“镇田井”的测井资料解释，同已     

模糊推理与神经网络在催化裂化分馏塔装置中的应用

介绍了采用神经网络模型对催化裂化分馏塔的产品质量进行在线预测分析，采用模糊推理的方法，开发基于网络环境下实时在线的故障诊断专家系统。这两种技术相结合，克服了各自的缺陷，实现了优势互补。结果表明该模型具有较高的精度，与化验值的拟合程度较好，给予了在线操作指导，减少质量事故，提高经济效益。     

连续油管直缝高频焊热影响区最薄弱区硬度的神经网络预测

通过试验得出了连续油管HFW焊接接头最薄弱区域的力学性能,采用BP神经网络对该区域工艺性能进行仿真预测,研究了不同训练函数对网络性能的影响。对比分析不同训练函数下的网络性能,得出连续油管HFW焊接接头最薄弱区线能量一硬度预测模型,最终选取LM算法、SCG算法和动量BP算法对网络进行训练,采用这3种算法建立起的线能量一硬度模型精度较高,测试数据预测值与实测值平均相对误差分别为0．12％,0．095％和O．11％,表明神经网络模型能够很好地对“未知”硬度进行预测。     

BP神经网络法预测水基绒囊钻井液当量静态密度

为研究水基绒囊钻井液当量静态密度随井深变化规律,以绒囊钻井液PVT实验数据为样本,建立了反映绒囊钻井液压力、温度和密度关系的BP神经网络。以BP神经网络为基础,建立与压力和温度相关的井深与绒囊钻井液井下静态当量密度预测模型。模型计算结果相比多元回归预测结果,与PVT实测数据相对误差更小,与磨80-C1井现场测定的0~2 500 m钻井液静态当量密度结果更吻合。用建立的BP神经网络模型预测磨80-C1井所在的磨溪地区绒囊钻井液2 500~6 000 m的静态当量密度,发现绒囊钻井液随井深增加密度逐渐减小,表明绒囊未在高温高压下被压缩成连续相,随井深增加,温度使气囊膨胀作用比压力压缩作用更明显,间接证明了绒囊结构抗压缩能力强的同时,也表明温度加强了绒囊封堵作用。同时,BP神经网络应用于预测钻井液井下静态当量密度,为井下密度预测提供了一种新的数学处理方法。     

神经网络方法烃类预测中的问题探讨

自神经网络应用于烃类预测以来．很多专家学者一直在神经网络和烃类预测两方面钻研，加快了神经网络与不同数学模型相结合的步伐，并分别取得了较好的应用效果。根据神经网络进行烃类预测的基本原理和应用条件，简述了神经网络应用于烃类预测时的不同模式、特点、相应要求及改进思路，许简要分析了利用神经网络进行烃类预测所存在的问题．最后展望了神经网络烃类预测的发展趋势。     

有监督SOM神经网络在油气预测中的应用

用于油气预测的方法基本上可分为两类：一类是有监督预测方法，另一类是无监督预测方法，８０年代传统模式识别方法（统计、句法和模糊模式识别）得到广泛应用；９０年代以来神经网络理论异军突起，以ＢＰ为代表的有监督神经网络和以ＳＯＭ为代表的无监督神经网络广泛应用于油气预测。本文介绍了应用有监督ＳＯＭ神经网络进行油气预测的方法原理，经两个工区的实际资料试算结果证明本方法性能良好，可以成为油气预测的一种可选方法。     

联合神经网络在储层参数预测中的研究与应用

地质储层参数在建立地质模型中起着关键作用,储层参数通过井资料获得。常规测井解释中多通过经验公式或简化地质条件建立模型计算储层参数。提出了新的神经网络模型,基于BP神经网络、RBF神经网络、支持向量回归并通过单层感知器共同构成联合神经网络模型。该网络模型在储层参数预测过程中能针对单一神经网络的不足而自适应调节网络结构,使预测效果达到最优,避免了单一网络在参数预测时的缺点,提高了预测的准确性。选取了同一地区的3口油井进行训练和验证实验,实验结果表明,联合神经网络模型优于单一的人工神经网络模型。