10.3969/j.issn.1004-1338.2002.05.003
神经网络及模式识别技术在测井解释中的应用
针对四川碳酸盐岩储层实际情况,用测井资料与岩心分析结果组成孔隙度、含水饱和度样本,经BP网络训练后得到模型参数.使用模型参数进行孔隙度、含水饱和度计算,计算结果精度高.BP网络在产能评价方面也有明显优势,能较好地表达储层参数与产能之间的关系,提高预测结果精度.对汉明网络结构作了适当的调整,使其适用于输入为连续值的模式识别问题.在储层流体性质判别方面,气层、水层的判别符合率达93%;该网络在多个地区的测井相分析中应用表明,能提高沉积微相识别率和预测符合率.实际应用证实,神经网络技术能提高测井解释中的数值计算精度和模式识别符合率,已在测井精细解释及储量计算中应用.
神经网络、计算方法、模式识别、测井解释、碳酸盐岩、储层评价
26
TP18(自动化基础理论)
2004-01-08(万方平台首次上网日期,不代表论文的发表时间)
共5页
364-368