概率神经网络技术在油气藏物性参数预测中的应用

通过实例介绍了利用一种概率神经网络技术预测储物性参数的方法。该方法克服了传统方法的某些局限性，预测储层物性参数时不需要地震子波；而是直接建立测井曲线和地震属性的关系，用相关关系数衡量目标测井曲线和地震属性之间的相似性；用逐步递归法选取最佳属性；用交互验证法监视所选属性的可靠性。     

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。     

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。     

相似度-遗传神经网络在储层物性预测中的应用

传统的测井解释需要建立精确的数学模型,并常伴有严格的条件限制,因此很难得到真实反映储层特性的结果.采用遗传算法与BP神经网络相结合,利用遗传算法的全局寻优特点,优化神经网络的连接权值和阀值,提高网络的训练精度和预测精度,避免了BP算法易陷入局部极小的缺点,提高运算速度.将相似度的概念引入到测井中,定义相似度在测井中的计算公式,提出相似度与遗传神经网络相结合的方法.实例研究表明,预测准确性较高,可以有效控制预测精度,避免因储层差别大而造成的预测精度降低的现象.     

储层预测技术在油气藏勘探中的应用分析

储层预测技术是油藏评价的关键技术,特别在岩性油气藏评价时储层预测技术是必不可少的。研究提出了识别鼻状构造的储层预测技术,即联合应用地震属性技术、测井约束反演技术及神经网络储层参数预测技术对储层砂体及油气分布进行了预测,整个储层预测过程既有定性识别又有定量评价岩性油气藏。以准噶尔盆地腹部BC区块为例进行试验,取得较好应用效果。     

利用储层物性参数预测油气

储层物性参数处理技术是根据双相介质理论，使用地震、地质数据提取储层的孔隙度、密度、层速度、视渗透率、流体密度等物性参数的一种处理方法。这些物性参数剖面比常规地震剖面更细致地反映了地下各种地质现象，揭示地质体的岩性变化及油气聚集规律。多年来该技术已在海上、陆上许多油田使用，并得到完善和发展。中重要介绍在南海北部不同沉积盆地应用该技术进行油气预测的实例及认识。     

神经网络技术与地震参数隔层预测

论述了油田区块开发前期和中期利用三维地震保幅叠偏资料以及钻进地质和测井资料，采用神经网络进行储层间的隔层预测方法及实际应用问题，通过实例分析，认为该方法技术的精度和可靠性较高，其结果为油田区块开发方案的制定提供了较可靠的依据。     

地震属性主组分预测技术在青西油田的应用

地震属性主组分分析预测技术是一种精细测井约束反演技术，其最大优点是以测井资料为基础，地震资料为桥梁，最终得到的波阻抗体几乎接近或达到测井分辨率，除可以提供岩性参数外，还可提供油藏参数。该技术应用于玉门青西油田取得良好的效果，为油田沉积相划分，井位论证，地质综合研究提供了一定的依据。2002年提供的6口井位已有4口井获工业油流，为油田的产能建设做出了贡献。     

应用神经网络技术求取碎屑岩储层参数

以往由测井资料确定储层参数均采用简化模型所建立的测井响应方程，因而难以反映储集层岩石孔隙结构的客观特征。鉴于神经网络具有非线性处理能力及其它一些优点，故本文采用神经网络技术定量求取储层的孔隙率和渗透率参数。     

基于改进SADE算法的神经网络预测储层物性

为准确计算孔隙度、渗透率等储层物性参数,结合模拟退火和差分进化算法的主要优点,提出一种改进的模拟退火差分进化(SADE)算法,将复杂储层物性预测过程中神经网络权值的训练转化为无约束优化问题,并建立新目标函数,进而利用改进的SADE算法进行求解,并与传统方法计算结果进行比较.新目标函数使得神经网络权值的调整不受样本期望输出大小的影响,更适用于变化范围较大的样本数据训练;改进的SADE算法利用退火温度控制差分进化的选择过程和差分策略的选用,前期具有很好的多样性,后期有较好的收敛能力,克服了经典算法早熟的缺点,提高了全局搜索能力和鲁棒性.利用该算法对现场实际资料进行计算,取得了很好的效果.     

多井条件下进行测井神经网络储层参数计算

神经网络在测井计算储层参数中被广泛应用并获得良好的应用效果,但在具有多口井岩心资料控制条件下,建立统一的数学模型就显得很重要,这对于提高不同钻井之间计算结果的可对比性和井间储层参数预测的精度具有重要的意义。该研究在对测井资料进行编辑、标准化、归一化及深度漂移校正的基础上,建立了分层段多井统一的测井储层参数计算BP神经网络模型。经实际资料验证,模型的预测效果良好。     

基于人工神经网络的常压塔顶油气系统腐蚀预测

对某公司常减压蒸馏装置低温部位腐蚀情况进行了分析,根据一段时间内塔顶污水检测数据,通过人工神经网络建立了腐蚀速率预测模型。该模型以常压塔塔顶流出污水的pH、氯离子浓度、铁离子浓度、硫化物浓度作为输入数据,以平均腐蚀速率为输出数据。结果表明,该模型预测结果与实际结果的相对误差在10%左右,平均相对误差为7.5%,具有良好的预测精度,能够反映常压塔塔顶污水检测数据与腐蚀速率的关系。     

地震属性优选及储层预测软件系统研制

本文阐述了地震属性优选及储层预测软件系统的原理及功能。该软件系统通过利用属性优选和多元地震属性组合分析统计类比等方法解决了深层火山岩预测时,深探井很少的情况下应用模式识别方法对岩性和油气预测时存在的问题,该软件系统现已应用于松辽盆地芳深9井、肇源南和卧里屯等工区的地震资料解释中,预测结果与实际情况吻合率高,取得了较好的效果。     

应用人工神经网络模型进行油层孔隙度、渗透率预测

本文提出了应用神经网络模型，根据测井曲线进行储层物性参数（孔隙度、渗透率）预测的方法。研究结果表明，这是一种可行的方法。     

神经网络专家系统在预测石油可采储量上的应用——以胜利樊家油区为例

影响石油可采储量的因素是多种多样的,很难用一简单的表达式来描述两者之间的关系。神经网络专家系统为解决这一问题提供了新途径。具体过程为（１）选取储层参数（累积厚度、温度、有效孔隙度、有效渗透率、压力）和原油参数（含油饱和度、地下原油粘度和密度）等８个参数作为特征参数;（２）将参数进行标准化和归一化处理;（３）以樊家油田８个已知采油区作为学习样本对网络进行训练;（４）运用已训练好的神经网络专家系统对未知油区进行预测。预测结果与实际情况吻合很好,误差都在允许范围之内。     

地震属性参数在胜坨油田气藏预测中的应用

根据胜坨油田气藏分布浅(15秒以上)、构造简单、地震品质好的特点,结合钻井资料,选取了振幅、瞬时频率、瞬时相位3个参数,分析了它们与已知气层的对应关系。钻井显示的含气层段在振幅属性剖面上表现为强振幅,瞬时频率剖面上为低频率,瞬时相位剖面上发生相位反转。利用这些特性预测胜坨油田东南角为有利的勘探地区。     

油气藏渗流的固体介质电模拟技术实验研究

针对油气渗流的现有电模拟技术即液体介质电模拟技术所存在的缺陷，实验研究了固体介质代替液体介质进行电模拟实验的可能性。实验结果表明，固体介质模型可以广泛地用于模拟稳态油气渗流，射孔对渗流速度的影响，以及井底或地层污染对生产能力的影响等规律，并且避免了液体介质模型的极化影响，比例化和非质模拟等困难。此，用固体介质代替液体介质可以为电模拟技术在油气开发工程中的应用开辟更广阔的前景。     

BP神经网络在致密砂岩储层识别中的应用

川西须家河组地层岩性复杂,属于超致密低孔渗储层,所以储层识别是该地层天然气勘探中所面临的关键问题和难点之一。针对常规储层识别准确率不高的状况,提出利用BP神经网络进行储层的气水干层识别,利用模糊聚类和产层测试结果标定建模样本,采取随机抽样形成建模集与测试集,建立BP神经网络模型对23口井的储层进行气水干层预测,正确率达77.9%以上,明显提高了该地区的测井解释精度,并提供了一种准确率较高的储层预测方法。     

突变论在地震资料储层预测中的应用

地质突变现象十分普遍，如断裂、裂缝的发生和油气的聚散，由此导致地震勘探信号的突变。将突变理论应用于地震勘探资料，已进行了较多的尝试，在储层预测、断裂检测中取得了较好效果。通过建立地震信号尖点突变模型，获得了时间域和频率域突跳势的计算公式。提取地震信号突跳势，检验储层油气情况表明：时间域的突跳势与断层裂缝发育程度相关，突跳势越大，裂缝越发育；频率域突跳势与储层油气分布良好对应，即突跳势越大，含油气可能性越高，钻井符合率超过80%。在碳酸盐岩、碎屑岩的孔隙型、裂缝型储层中的应用表明，突变理论可用于不同岩性、不同储集空间的储层预测。