基于岩性识别的BP神经网络孔隙度预测

摘要：

研究区目的层有效储层岩性包括细砂岩和粉砂岩两种,目前依赖于常规线性拟合方程在该区的孔隙度等参数预测中存在着较大的误差.为实现对储层参数的准确预测,结合了多种测井信息,在利用Fisher判别法对岩性进行识别的基础上,分别建立了细砂岩和粉砂岩的神经网络孔隙度预测模型.实际应用表明,分岩性所建立的非线性人工神经网络模型比常规线性模型具有更高的预测精度,能为该区后续的储层综合评价提供可靠的数据基础.

关键词：岩性识别、神经网络、孔隙度、测井解释、非线性

所属期刊栏目：39

分类号：TE311(油气田开发与开采)

在线出版日期：2020-04-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：105-110