基于勘探开发数据库的油气模式识别方法

讨论了油气层模式识别的流程和数据处理方法。以白音查干的达尔其为研究工区．T5^2层位为处理目标,达7井、达8井、达9井、达ll井、达12井、达13井为样本井．对孔踩度、含油饱和度等物性数据进行神经网络学习和物性预测。结果表明，神经网络模型对动态变化性强的数据自适应性强．具备外推内插功能．对井间的油气物性变化的预测准确．处理结果合理。     

计算机神经网络技术在综合录井油气层判别中的应用

利用神经网络技术B-P算法,把综合录井的多种数据综合起来,来解决过去油、气、水层判别准确率不高的问题。该软件系统经45口井359个层位的数据训练,达到了预想的目标,通过实际验证和试生产,总体解释符合率达到94.5%,能够更有效地体现录井手段在现场快速评价油、气、水层方面的优势。该技术的应用,提高了录井资料解释、应用的水平。     

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。     

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     

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。     

中值滤波在油气层横向预测中的应用

本文针对油气层横向预测曲线上存在孤立峰值与谷值等现象，引入中值滤波方法对油气层预测曲线进行平滑处理，处理肖除了孤立峰值与谷值的影响，保证了油气层预测范围不变，从而说明本方法具有一定的实用价值。     

分层神经网络模型在单井油气层综合解释中的应用

根据油气层综合解释的特点,提出了单井油气层综合解释的人工神经网络方法。采用的神经网络模型为包含28个输入神经元、26个隐含神经元和4个输出神经元的三层网络。选择了松辽盆地北部大庆长垣以西地区91个试油层段的资料对网络进行了训练,通过对已知样品的交叉验证,训练后的神经网络识别符合率为93.4％,证明人工神经网络是一种有效的油气层综合解释方法。     

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     

录井神经网络油气层解释模型研究

利用BP人工神经网络误差反向传播算法，开发了神经网络油气层解释软件。通过对泌阳凹陷安棚深层系和焉耆盆地已试油层的原始资料进行学习、训练，建立了油气层神经网络解释模型。运用该模型可完成储层流体类型的划分和识别，结合录井、测井等原始资料，可实现计算机处理自动化，其预测符合率达84．2％。     

地震属性的油气模式识别

文章介绍了地震属性油气模式识别的方法。计算多种地震属性,进行综合研究,找出对油气比较敏感的地震属性。收集油气井与非油气井的井旁道地震属性组成学习样本,进行神经网络的学习,并利用学习的结果对集集层进行油气预测。     

一种模糊神经网络技术及其在储层预测中的应用

大庆外围油田的葡萄花油层主要为砂泥岩薄互层，储层砂体横向变化大，这给井位设计带来了很大的难度。近几年地震属性分以用地震特征参数直接预测储层的析技术虽然得到了较快的发展，但地震属性与储层地质参数之间的关系较模糊，难砂岩厚度。为此，研究了一种模糊神经网络预测砂岩技术，它将人工神经网络理论与模糊逻辑分析相结合，在地震属性分析的基础上，以井旁地震道主分量参数为输入，以井孔地质参数为期望输出，建立模糊神经网络，并对网络进行训练，当网络收敛且网络整体方差达到要求的精度时，便完成了网络训练。该技术应用于大庆太平屯地区储层预测中，通过4口后验井检验，预测厚度与钻井厚度吻合较好，平均绝对误差为0.21m。     

用函数链神经网络建立油气水层解释模型

为了克服用ＢＰ网络建模进行油气水层评价存在的误差，采用函数链神经网络建立识别模型。该文介绍了用此方法建立的三个模型：气测解释模型、地质测井综合解释模型、气测地质测井综合解释模型，并介绍了现场及完井后的解释评价情况。网络采用增强输入模式的方法，用单层网络训练样本，达到理想效果，三个模型的识别率都是１００％。     

碎屑岩油气水层神经网络解释模型

该文针对地质录井油气水层综合解释所用传统方法存在的问题,介绍一种基于人工神经网络的模式识别新方法。采用的神经网络模型为四层BP网络。输入层有14个神经元,第一隐含层25个神经元,第二隐含层14个神经元,输出层有4个神经元。选用了辽河油区400个碎屑岩层样本对网络进行训练,训练后网络识别率达到96.5%。说明人工神经网络是一种有效的综合解释油气水层的新方法。     

应用核Tisher判别技术预测油气储集层

核机器学习算法是近几年发展起来的一类新的非线性技术，核Fisher判别分析是其中之一。核Fisher判别分析是经典Fisher线性判别基于核函数的非线性推广，并在实际资料的分类中取得明显效果。本文简化了核Fisher判别分析的计算过程，并将其用于油气储集层横向预测。两个实际资料的计算结果表明，在油气储集层横向预测中，核Fisher判别技术的性能优于Fisher线性判别、模糊模式识别和反向传播人工神经网络。     

神经网络识别技术在地化录井中的应用

吉林油田应用地化录井参数直接评价法和图版法进行油、水层评价取得了一定的效果,但由于实际应用过程中,出现了依据地化检测数据解释上的误判,导致解释符合率较低。针对上述情况,该文提出了应用神经网络技术进行地化解释的方法,系统介绍了该技术在吉林油田的应用情况,尤其是低测值油层和高测值水层的应用效果较好,实践表明引入神经网络识别技术后其解释符合率得到了较大的提高。     

钻井油气层深度及厚度灰色预测

本文提出用灰色理论ＧＭ（１，１）模型预测钻井油气层深度及厚度的方法，结合预测实例，简述数据预处理，关联度系统分析的实际操作过程。该方法具有需要数据少，预测速度快和准确度高的特点，实际应用表明，深度预测的绝对误差小于２ｍ，可用于现场钻井取心卡准层位的精确预报。     

碎屑岩油气水层神经网络解释模型

该文针对地质录井油气水层综合解释所用传统方法存在的问题，介绍一种基于人工神经网络的模式识别新方法。采用的神经网络模型为四层BP网络。输入层有14个神经元，第一隐含层25个神经元，第二隐含层14个神经元，输出层有4个神经元。选用了辽河油区400个碎屑岩层样本对网络进行训练，训练后网络识别率达到96．5％。说明人工神经网络是一种有效的综合解释油气水层的新方法。