共查询到19条相似文献,搜索用时 93 毫秒
1.
BP神经网络在致密砂岩储层测井识别中的应用 总被引:3,自引:0,他引:3
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神经网络进行储层含气含水或干层的识别。 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口井的储层进行含气含水或干层预测,正确率达77.9%以上,明显地提高了该地区的测井解释精度,是一种准确率较高的储层预测方法。 相似文献
2.
3.
基于BP神经网络算法识别苏里格气田致密砂岩储层岩性 总被引:1,自引:0,他引:1
以薄片鉴定资料为准,从筛选敏感测井参数入手,优选了对岩性敏感的自然伽马和光电吸收截面指数作为BP神经网络输入端信息进行网络训练和学习,对测井数据进行了标准化处理,以消除由于测井系列以及仪器型号的不同引起的刻度误差。应用BP神经网络法对苏里格气田目的层段复杂岩性进行识别,其结果与岩心录井岩性符合度较高,平均符合率达84.48%。采用该方法对致密砂岩气藏储层岩性的识别,可以有效地为后续沉积相等方面的研究提供资料基础。 相似文献
4.
传统单一模型的机器学习方法用于致密砂岩气储层测井解释时存在多解性,为此,将XGBoost算法应用于致密砂岩气储层测井解释。基于A工区测井解释资料,以不同种类的测井资料作为输入变量,通过XGBoost算法建立回归预测模型,预测该区孔隙度与渗透率参数,并探讨了XGBoost算法中各类参数的优化。以准确率指标为评价标准,通过XGBoost算法建立的分类预测模型对该区储层类型进行预测,同时与随机森林方法和支持向量机算法进行比较,XGBoost算法的预测效果较好。结果表明XGBoost算法能准确地预测孔隙度、渗透率并对该工区致密砂岩气层进行有效识别。 相似文献
5.
四川盆地陆相碎屑岩地层埋藏深、岩性致密,为典型的低孔、低渗储层。针对其储层岩性复杂、测井环境影响因素较多、储层评价较困难等问题,利用岩心实验、物性分析、薄片鉴定、FMI成像及核磁共振等资料,结合测试资料,与测井信息建立转换关系,研究致密砂岩储层的孔隙度等参数计算方法;利用核磁测井对储层质量进行综合评价,在致密砂岩储层的有效性评价和孔径分析的过程中起到了较好的作用,并建立了陆相致密砂岩储层测井评价方法。该方法的解释结果与现场测试结果相符合。 相似文献
6.
超致密砂岩储层裂缝与含气性识别 总被引:9,自引:1,他引:8
川西HX地区须二段储层属超致密砂岩储层。由于其非常致密,在测井曲线上储层孔隙空间以及所含流体的信息反映非常微弱,造成储层含气性识别非常困难。以实验分析结果为依据,建立了裂缝评价指标渗透率增大率,对超致密砂岩储层进行裂缝评价。在对测井曲线综合分析的基础上,筛选出对天然气反映敏感的测井信息进行储层聚类分析,对储层含气性差异作分类评价。最后,通过裂缝指标与聚类分析结果的综合研究,确定储层的含气性。 相似文献
7.
8.
鄂尔多斯盆地致密砂岩储层具有非均质性强、岩性致密、孔隙结构复杂、连通程度差、孔隙度与渗透率极低等特征,致使常规测井仪器响应特征不明显,储层评价准确性不高。为有效提高致密砂岩储层评价的准确性,采用元素俘获能谱、核磁共振、介电扫描测井相结合的“新三组合”测井技术,对致密砂岩储层进行综合评价。与“常规三组合”测井技术及其测井解释模型相比,“新三组合”测井技术能够提供丰富的储层物理参数,ELANPlus测井解释模型能够更精细地计算储层特征参数,使储层岩性及流体识别、孔隙度计算更加准确、直观、可靠。实际应用表明,在研究区储层评价中“新三组合”测井技术能够提高致密砂岩储层评价的准确性。 相似文献
9.
10.
11.
两种神经网络方法在岩性识别方面的应用 总被引:1,自引:0,他引:1
人工神经网络近年来发展十分迅速,因其自身理论方法的不同,在解决各种工程问题上都有别于其它方法,有其独特的成效。本文应用BP网络和RBF网络于石油测井解释中的岩性识别方面,分析了其预测效果,以及网络的构建方法及应用范围。得出两种网络在岩性识别方面上具有的简单实用价值。 相似文献
12.
基于BP神经网络进行裂缝识别研究 总被引:5,自引:0,他引:5
裂缝系统是个复杂的地质体,其储层物性(主要是渗透性)的改善作用是非线形的,各种评价参数与裂缝发育程度之间的关系也是非线形的,导致对裂缝进行定量评价十分困难,单纯依靠常规测井资料进行裂缝识别,存在主观不确定性及多解性;成像测井虽然直观准确,但成本较高。本文基于人工神经网络理论,开展了常规测井资料识别评价裂缝的研究。结果表明,基于BP神经网络的裂缝性储集层常规测井识别,与成像测井对比具有较好的应用效果。 相似文献
13.
14.
15.
16.
BP神经网络模型设计的研究 总被引:1,自引:0,他引:1
就BP神经网络应用设计中的网络隐含层数、隐含层神经元个数等具体设计问题进行了研究与探讨,提出一种新的构建BP神经网络模型方法。实验表明,使用该方法构建的网络模型训练曲面图形时,得到的网络输出曲面与原样本曲面非常接近,训练误差满足设定要求。 相似文献
17.
应用Matlab软件构建了三层BP神经网络,并对中压加氢裂化装置转化率、喷气燃料干点和高压换热器壳程压降等方面进行了预测,结果表明BP神经网络模型准确度受样本数据质量、网络隐藏层节点数目影响较大,对中压加氢裂化工艺参数、产品性质、高换设备状态等均展示出较好预测能力。其中,对加氢裂化转化率预测的准确度最低,相对误差为±(5%~10%);对喷气燃料干点预测的准确度较高,相对误差为±(0.15%~2.0%);对高压换热器壳程压降值预测的绝对误差为±0.03 MPa以内,满足换热器状态监测要求。 相似文献
18.
储层敏感性预测模型中BP网络隐层数的优选及应用 总被引:1,自引:0,他引:1
储层敏感性预测是多变量的非线性系统,而神经网络解决非线性问题有其独特的优势,是目前用于储层敏感性预测是较好的方法。在建立预测方法过程中,BP网络隐层结点数的确定直接影响到网络的学习效率。通过对目前四种隐层结点数确定方法进行探讨,优选出储层敏感性预测中BP神经网络合理的隐层结点数,并在实际预测中进行应用,从而使预测结果更客观和符合实际。应用情况表明,该方法可大大缩短网络学习时间,从而提高学习效率,使网络以最快的速率达到收敛。 相似文献
19.
前馈神经网络的岩性识别方法 总被引:21,自引:1,他引:20
测井资料的地质解释是测井过程中十分重要的环节。岩芯资料少,测井资料较多及测井参数分布的模糊性,是岩性识别中的困难所在。在引入前馈神经网络方法的基础上,以取芯井岩芯与测井参数的对应关系作为识别模式,经过向识别模式学习获得模式识别智能知识,从而利用这些智能知识去识别未取芯井的测井岩性。通过对胜利油田永一地区沙河街组四段测井岩性的计算机判识,正确判别率达100%.应用结果表明,神经网络方法性能良好,具有极好的应用前景。 相似文献