| 基于人工神经网络的致密储层渗透率预测 |
| |
| 引用本文： | 林磊,王军,刘行军,文晓峰,孙建孟. 基于人工神经网络的致密储层渗透率预测[J]. 测井技术, 2021, 45(2): 179-184. DOI: 10.16489/j.issn.1004-1338.2021.02.012 |
| |
| 作者姓名： | 林磊 王军 刘行军 文晓峰 孙建孟 |
| |
| 作者单位： | 中国石油大学(华东)地球科学与技术学院,山东青岛266558;中国石化胜利油田分公司勘探开发研究院,山东东营257015;中国石油集团测井有限公司长庆分公司,陕西西安710201 |
| |
| 摘 要： | 致密储层渗透率求解困难.在基于流动单元指数与岩石粒度研究的基础上,通过设置3组不同输入参数的BP神经网络模型比较分析,发现采用微球电阻率测井值、自然伽马相对值、岩石骨架相关的中子和密度值(M、N)和孔隙度值作为输入参数的BP模型预测精度最高,然后用这些输入参数做为广义回归神经网络算法的输入,对岩心渗透率进行训练与预测.对比3种线性模型与2种神经网络模型对3口验证井岩心渗透率数据的预测误差,结果表明,针对研究靶区致密储层,线性模型对于渗透率的预测精度较低,神经网络模型可有效提高渗透率的预测精度,在训练样本较小的情况下,BP神经网络对渗透率的预测效果比广义回归神经网络略差.通过22口井实际资料处理结果分析表明,基于广义回归神经网络算法的渗透率模型可提高预测精度.
|
| 关 键 词： | 渗透率 致密储层 BP神经网络 广义回归神经网络 |
Prediction for Permeability of Tight Reservoir Based on Artificial Neural Network |
| |
| LIN Lei,WANG Jun,LIU Xingjun,WEN Xiaofeng,SUN Jianmeng. Prediction for Permeability of Tight Reservoir Based on Artificial Neural Network[J]. Well Logging Technology, 2021, 45(2): 179-184. DOI: 10.16489/j.issn.1004-1338.2021.02.012 |
| |
| Authors: | LIN Lei WANG Jun LIU Xingjun WEN Xiaofeng SUN Jianmeng |
| |
| Abstract: | |
| |
| Keywords: | |
| 本文献已被 万方数据 等数据库收录！ |
|
