改进的灰色模型在储层敏感性预测中的应用

为解决灰色理论分析方法在评价和预测储层敏感性过程中有时存在评价结果分辨率不高的问题，改进了灰色理论分析方法的算法，建立了一种新的灰色精细预测熵模型。分别使用原灰色评价模型和改进后的灰色评价熵模型对海拉尔油田的岩心分析资料进行了处理、分析。对比结果表明，利用改进后的灰色评价熵模型进行储层敏感性的预测具有预测精度高、适应性好等优点。     

应用改进的BP人工神经网络快速预测储层敏感性

标准的神经网络算法存在训练时间长，在一些特定的给定初值情况下会陷入局部最小等缺点，应用受到一定限制。该文介绍了改进的BP人工神经网络训练算法，该算法在一个权值修改过程中对权值修改两次，以达到加速收敛避免陷入局部最小等目的，利用该算法进行了储层敏感性快速预测软件研制。分析表明，该算法受人为因素干扰小，所需参数少，结果比较可靠，总体符合率达到91％，改进后的算法训练所需时间与标准BP网络相比缩短了许多，是一种适用于现场的良好方法。     

改进形式共轭梯度算法在储层敏感性预测中的研究

通过对共轭梯度算法的深入研究和分析,提出改进形式的共轭梯度算法模型。在Matlab 2009和Visual Studio2010混合编程中加以实现。通过验证得知,该算法模型预测的储层敏感性参数与实测数据几乎无误差,适合生产实践的需求,能解决实际问题,值得在生产实践中进行推广应用。     

自然伽玛能谱测井在储层敏感性预测中的应用

自然伽玛能谱测井不仅可以测得地层的总自然伽玛值．同时还能得到地层的铀、钍、钾含量，据此可以精确地确定储层的粘土矿物含量。本文以大港油田官104地区为例，提出了利用交会方法确定泥岩中各粘土矿物成分及其含量的计算方法。在此基础上．对储层敏感性参数和“五敏”伤害指数进行了单相关分析．然后利用相关系数加权法对官104地区进行了储层敏感性预测，取得了较好的应用效果。     

油气储层敏感性伤害机理识别方法及应用实例

从油气储层岩石学分析入手，阐述了砂岩储层4类敏感性发生的原因及作用机理，结合几个实例，论述了油气开发实践中，必须针对砂岩储层的非均质性特点，对症下药，在充分掌握储层伤害机理的基础上，研制保护与改造油气层的措施，才能取得实效。本文的研究方法可为陆相复式油气区同类砂岩储集层的勘探、开发提供借鉴。     

模式识别在储层敏感性预测中的应用

利用模式识别对储层进行敏感性预测可以对其损害类型及损害程度进行科学诊断,从而为后续钻井液和完井液及其他工作液的优化设计提供重要依据。通过将常规的欧氏距离进行加权改进,解决了应用模式识别的核心问题——构建隶属函数,进而建立了采用模式识别法预测储层敏感性的新模型,并得到了成功应用。以水敏为例,经过特征选择与提取确定特征向量,利用损害程度等级的划分建立水敏损害的均值样板,借助大港油区127组数据检验新了模型在储层敏感性预测中的应用效果。结果表明,水敏指数预测的平均准确率大于86.9%,水敏损害程度的预测成功率也达到了90.0%,证明采用模式识别法预测储层敏感性的新模型具有预测结果准确性高、结论可靠等优点,对提高油气层保护和油气层解堵效果具有十分重要的意义。     

应用量子神经网络快速预测储层敏感性

针对室内评价储层敏感性预测的不足和传统神经网络模型的缺陷,在收集岩心分析资料、分析生物神经元的信息处理方式和量子特性的基础上,提出一种具有量子特性权值和活性值的量子神经网络预测模型[1]。对吉林油田伊通地区储层敏感性进行快速预测,其结果表明,量子神经网络模型的敏感性伤害程度预测结果明显优于传统BP神经网络,与岩心流动实验结果的符合率达到88%。该方法能快速、准确地预测储层的敏感性指数,为保护油气层提供可靠的理论依据。     

自组织特征映射网络的改进及在储层预测中的应用

自组织特征映射网络虽然具有自组织，自学习和侧向联想能力，但在实际应用中仍存在一些缺陷。如网络在学习时收敛速度较慢，不同的初始条件和样本输入顺序地网络的学习过程和学习结果都很敏感，网络在无监督学习时不能充分利用可靠的先验知识。     

油气储层敏感性伤害机理识别方法及应用实例

从油气储层岩石学分析入手,阐述了砂岩储层4类敏感性发生的原因及作用机理,结合几个实例,论述了油气开发实践中,必须针对砂岩储层的非均质性特点,对症下药,在充分掌握储层伤害机理的基础上,研制保护与改造油气层的措施,才能取得实效。本文的研究方法可为陆相复式油气区同类砂岩储集层的勘探、开发提供借鉴。     

储层敏感性快速预测软件在大港油田的研究与应用

在储层特征分析，室内实验，机理研究的基础上，利用人工神经BP网络建立预测模型，并编制了预测储层5种敏感性的软件，该软件受人为因素干扰小，所需参数少，准确度高，综合符合率大于80％现场应用结果表明，该技术能为制定保护油气层技术措施提供较可靠的依据，能提高油田滚动开发效益，改善老油田的开发效果，该软件对BP算法进行了改进，（1）从两方面入手使网络摆脱平坦区，一是对输入数据进行归一化处理，使O1的取值在[0,1]之间，二是一旦网络陷入平坦区域，局部极小，使连接权值Wkj,Wji和阈值Qk,Qj同时缩小一个因子，λ＞1，可使Ok(1-Ok)脱离零值，离开平坦区；（2）加速收敛，方法有自动调整学习因子，添加动量项以及对权值进行批处理，用BP算法预测储层潜在敏感性，首先应确定影响储层敏感性的主要因素，然后根据这些因素有针对性地收集有关资料并进行处理，再根据敏感性预测的要求，设计相应的网络结构进行训练，最后对训练好的网络进行.检验。     

模糊神经网络预测储层及油气

利用模糊理论和 BP网络相结合组成的模糊神经网络系统 ,能够克服单独使用 BP网络的局限性 ,可在地质条件较复杂地区进行储层及油气预测。通过实际资料应用表明 ,在单独应用 BP网络进行储层及油气预测效果较差的地区 ,采用模糊神经网络能取得较好的效果。     

神经网络反演在火山岩储层预测中的应用

川西南井研地区二叠系火山岩分布稳定,地震反射特征整体呈“两强波峰夹一波谷”,火山岩内部发育两套储层,且上部储层由厚度小于7 m的多个薄层组成,受地震分辨能力限制,常规地震属性和波阻抗反演等方法均不能精确识别两套储层及其分布。利用孔隙度可表征储层特征且与波阻抗具有良好拟合关系的特点,提出采用拓频地震数据和神经网络孔隙度非线性反演技术预测火山岩上、下储层。地震数据经谱分解处理后得到低、中、高频数据体及其对应的分频地震属性,通过神经网络反演建立分频地震属性与孔隙度的非线性映射关系,进而得到高分辨率的孔隙度反演结果。综合预测结果表明：神经网络反演结果与实钻井吻合;纵、横向分辨率明显提高,能有效识别井研地区火山岩两套储层在纵向上主要发育在中、下部,平面上主要发育在工区西部。研究结果可指导后期勘探评价或开发井部署。     

径向基神经网络优化及在储层敏感性定量预测中的应用

径向基(RBF)神经网络法具有网络结构简单、逼近能力强和学习速度快等优点,已成为最具发展潜力的储层敏感性智能预测方法之一,但在实际应用中仍存在泛化能力不强、网络训练不收敛等问题。通过在输入层中引入补充节点,对网络拓扑结构进行优化,有效地提高了RBF神经网络的逼近精度和泛化能力。在确定储层敏感性主要影响因素的基础上,通过对径向基函数散布常数的优选,进一步优化了RBF神经网络的性能。采用所收集的胜利、辽河、大港及江苏油田共125组数据,进行了神经网络训练和预测检验,优化了RBF神经网络,并在储层敏感性预测方面进行了应用。结果表明,对于训练集内的样本,预测的平均准确率均大于93.79%,且预测值与实验值的相关系数均大于0.995;对于训练集外的样本,预测的平均准确率大于91.59%,预测值与实验值的相关系数大于0.994,实现了对储层敏感性的准确、定量预测。     

应用多属性神经网络方法预测油气

地震属性包含的地球物理信息十分丰富,但地震属性种类繁多,并且与储层特征对应关系复杂,单属性分析难以确保预测的准确性。人工神经网络方法具备较强的非线性映射能力,使用该方法可以综合利用多属性进行油气预测,提高预测精度。该文采用梯度下降神经网络算法,避免陷入局部极小值,有效加快网络收敛速度,使网络达到全局最优,提高了预测效果。     

多属性概率神经网络技术在ML油田岩性油气藏预测中的应用

在ML油田,由于地震资料品质差、井数据缺乏、开发程度低等原因,采用常规阻抗反演进行油气预测效果不理想,为此应用多属性概率神经网络技术进行油气预测。在研究区首先进行多属性分析,优选出振幅包络、泊松比等7种地震属性,建立起地震属性与油气之间的非线性关系;然后对已钻遇岩性油气藏砂体进行油气预测,将预测结果和实际测井数据进行对比说明预测结果真实可靠;最后对潜在的岩性油气藏目标砂体进行油气预测,得到目标砂体的油气分布概率以及厚度图,从而指导油田岩性油气藏的勘探与开发。     

径向基函数神经网络在孔隙度预测中的应用

利用径向基函数神经网络对新疆乌尔禾地区三叠系白口泉组储层孔隙度进行预测,取得了较好的效果。对比分析结果表明,径向基函数神经网络预测结果较BP神经网络以及线性回归法预测结果精度高。阐述了应用中应该注意的问题。     

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。     

基于神经网络的油气预测系统

针对常规模式识别方法进行油气预测存在的样本数量大，参数的非线性及已知样本数地区差异大等３个特殊性问题，我们将常规ＢＰ算法改为η可自适应调节的ＢＰ算法，并与ＳＯＭ网络联合应用，构成了一个性能完善的多参数油气预测系统。采用该系统进行油气预测能较好地解决上述问题。这种方法不仅收敛速度快，而且在没有已知样本的情况下也能进行油气预测。陆上与海上应用实例表明，该方法对不同勘探程度的地区均能取得较好的油气预测效     

利用测井资料预测大港油田储集层敏感性

储集层中黏土矿物的类型和含量对储集层敏感性的影响非常大。利用测井资料预测储集层敏感性，首先要采用多种方法处理测井基础数据，建立各储集层敏感性参数模型。在大港油田的储集层敏感性预测中，根据实际地质情况，利用自然伽马能谱测井确定黏土矿物的类型及含量，利用统计回归方法来求取其它敏感性参数；在此基础上，对各储集层敏感性参数进行单相关分析，归纳出各参数与水敏、速度、盐敏、碱敏、土酸酸敏伤害的等级关系；然后剔除相关性较差的参数，将所得的各参数相关系数加权，得出目的层敏感性预测标准。对大港油田官104地区储集层敏感性预测的实验结果验证了该方法的有效性。图4表5参8