人工神经网络技术在油田储层物性预测中的应用--以西峰油田为例

摘要：

与传统的测井资料解释和信息处理技术相比较,在对非均质性较强、物性参数级差较大的储集层物性预测中,人工神经网络技术具有极强的自适应和自学习能力,其通过很强的非线性映射,能够精确地建立储集层参数与测井响应之间的非线性模型.在论述神经网络技术基本原理的基础上,对西峰油田延安组和延长组储层的物性参数(孔隙度和渗透率等)进行了预测,取得了较理想的结果.预测结果表明:渗透率参数级差不大(＜102)时,预测精度高;渗透率的变化范围较大(＞103)时,对具有高渗透率储层的预测精度高,而对具有低渗透率储层的预测值相对误差较大.

关键词：BP神经网络、测井解释、孔隙度、渗透率、西峰油田

所属期刊栏目：15

分类号：TE122.1(石油、天然气地质与勘探)

资助基金：中国科学院知识创新工程项目KZCX3-SW-128-04

在线出版日期：2004-07-09（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：243-246