陶淑娴;肖慈询;杨斌;蔡永香
. 1995, 34(3): 90-102,.
摘要 (
)
PDF全文 (
)
本文利用人工神经网络来确定储层参数:孔除度和渗透率;识别油(气) 、水、干层, 以便对它们进行评价和开采。其过程是:首先选取适当的网络模型和学习算法, 然后利用关键井的岩芯分析数据、试油结果和相应的一组测井数据训练网络, 建立研究地区的测井解释模型, 最后运用已建立的模型对未知井进行预测, 绘制出各井的解释成果图。本文简述了这项技术的基本原理、特点和改进措施;进入学习前的一系列预处理过程, 包括深度归位、测井曲线标准化、全区测井数据统一的归一化、样本选取及其原则、自动分层和取特征值方法等;最后通过多种检验手段对学习和预测效果进行评价。通过检验和在多个地区的应用, 证实了这一技术的优越性, 其地质效果是明显的, 大大提高了测井解释精度和速度, 为测井解释开辟了一条新途径。