深度延迟人工神经网络判别水淹程度

摘要：

深度延迟人工神经网络模型可以计算水淹层参数和判别水淹层,此方法避开了油层水淹后,混合液电阻率难以求准的问题,所建立测井信息与地层参数之间的非线性关系更符合油层水淹后的实际情况.深度延迟神经网络模型建立了储层地质参数与测井资料之间在深度上的动态关系,即一个深度点的地质参数由多个深度点的测井数据来描述,自动考虑了上下围岩的影响,而且测井信息与水淹层参数之间的复杂关系不需要具体的数学物理模型描述,只需有合适的样本集对网络训练即可获得解释模型.对东濮凹陷濮城油田沙河街组二段下亚段20口井的测井资料处理表明,用延迟人工神经网络模型计算水淹层剩余油饱和度,进而判别水淹程度,应用效果良好,符合率达82.40/0.

关键词：人工神经网络、深度延迟、测井资料、剩余油饱和度、水淹程度

所属期刊栏目：22

分类号：P631.8+1

在线出版日期：2004-01-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：249-252