开江-梁平海槽南段飞仙关组三段储层研究

运用矿物岩石学、沉积岩石学、储层地质学等多学科理论,结合岩心、薄片、物性分析以及测试分析等多种资料,对开江-梁平海槽南段飞仙关组三段储层岩石学特征、空间类型、孔隙结构特征、物性特征等进行了研究,认为研究区飞仙关组三段储层为鲕滩相沉积,岩性主要为鲕粒灰岩、鲕粒云岩,储集岩大部分表现出渗透率低的特征,鲕粒云岩的孔隙度相对较高;并分析了储层发育的主控因素,认为白云石化作用和溶解破裂作用是影响储层发育的重要因素。     

基于主成分分析和学习矢量化的神经网络岩性识别方法

利用测井资料识别岩性的关键是建立非线性数学模型。针对测井曲线数量多和BP算法的局限,提出一种基于主成分分析(Principal Component Analysis,PCA)和学习矢量量化神经网络(Learning Vector Quantization,LVQ)的岩性识别方法。建立可靠的岩性与测井参数响应的对应关系,优选样本点和测井曲线组成样本集。通过主成分分析实现对测井数据的压缩、降维,依据分析结果建立基于LVQ神经网络的岩性识别模型。潘庄地区某井实际应用表明,经过PCA降维后,LVQ神经网络的收敛速度和识别率都得到了明显提高,训练时间缩短了10s左右,识别率提高20%以上;考虑"次获胜"神经元的LVQ2学习算法具有比LVQ1算法更强的模式识别能力,识别率提高4%;PCA-LVQ模型网络结构简单,容易实现,识别率可达90%,具有较好的应用前景。