一种基于PSO-ELM的低渗透砂岩水淹层测井识别方法
水淹层测井识别对油田开发方案部署及提高采收率有着重要意义.新疆陆梁油田作业区某区块油层水淹类型主要为污水水淹,测井响应特征复杂多变,传统识别图版方法难以对水淹层有效识别.文中基于测井、地质、试油等资料,在水淹层测井响应特征分析基础上,提出了 一种利用改进粒子群优化算法(Particle Swarm Optimization,PSO)及极限学习机(Extreme Learning Machine,ELM)的水淹层识别方法.首先,利用相关系数优选6个主控因素:RD,RS,GR,SP,DEN,AC.其次,采用改进粒子群算法对极限学习机模型进行参数寻优;最后,利用优化后的模型对研究区水淹层进行预测.结果表明,利用PSO-ELM模型识别水淹层,识别符合率达到91.7%,应用效果优于ELM模型及传统识别图版,为水淹层测井识别提供了新思路.
相关系数、粒子群优化算法、极限学习机、水淹层识别
31
TE319(油气田开发与开采)
国家科技重大专项2017ZX05070
2024-08-14(万方平台首次上网日期,不代表论文的发表时间)
共7页
645-651