天然气地球科学
高级检索
作者投稿 专家审稿 编辑办公

天然气地球科学 ›› 2004, Vol. 15 ›› Issue (3): 243–246.doi: 10.11764/j.issn.1672-1926.2004.03.243

• 天然气地质学 • 上一篇    下一篇

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

李凤杰[1]; 王多云[1]; 苑克增[2]; 郑希民[2];   

  1. [1]中国科学院兰州地质研究所; [2]济南市自来水公司黄河水厂; 甘肃兰州; 山东济南;
  • 出版日期:2004-06-20 发布日期:2004-06-20

APPLICATION OF ARTIFICIAL NEURAL NETWORKS IN RESERVOIR PARAMETER PREDICTION IN XIFENG OILFIELD

LI Feng-jie~(1), WANG Duo-yun~(1), YUAN Ke-zeng~(2), ZHENG Xi-min~(2)   

  1. 1. Lanzhou Institute of Geology, Chinese Academy of Science, Lanzhou 730000, China; 2.Huanghe Waterworks, Water Supply Company, Jinan 250032, China
  • Online:2004-06-20 Published:2004-06-20

PDF (PC)

871

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

Abstract:

To compare with the traditional log data comprehensive explanation and information disposing technique, BP artificial neural network method possesses great ability of adapting itself, learning itself in parameter prediction of reservoirs which have great nonhomogeneity and big progression error of physical parameters. By use of the wonderful nonlinear mapping ability, BP artificial neural network method can build accurately nonlinear model between reservoir parameters and log response.

Key words: BP neural networks, Logging explanation, Porosity, Permeability, Xifeng oilfield.

 [1 ] 黄述旺，窦齐丰，彭仕宓，等. BP神经网络在储层物性参数预测中的应用 [J ].西北大学学报，2002，32(3)：271-274.
 [2 ]耿会聚，王贵文，邹正银，等.利用Matlab可视化软件建立非均质储集层模型 [J ].新疆石油地质，2000，21(6)：470-473.
 [3 ]谢丛姣，关振良.用人工神经网络描述丘陵油田油层非均质性 [J ].石油实验地质，1999，21(2)：161-165.
 [4 ]Fischetti A, Andrade A. Porosity images from well logs [J ]. Journal of Petroleum Science and Engineering, 2002, 36:149-158.
 [5 ]  Vander B M, Jutten C. Neural networks in geophysical applications [J ]. Geophysics, 2000, 65(4):1032-1047.
 [6 ]  刘东海.人工神经网络在油气勘探中的应用 [J ].天然气地球科学，1994年，6(5)：28-31.
 [7 ]  王多云，郑希民，李凤杰，等.低孔渗油气富集区优质储层形成条件及相关问题 [J].天然气地球科学，2003，14(2)：87-91.
[1] 任茜莹，代金友，穆中奇. 气藏采收率影响因素研究与启示——以靖边气田A井区为例[J]. 天然气地球科学, 2018, 29(9): 1376-1382.
[2] 程鸣，傅雪海，张苗，程维平,渠丽珍. 沁水盆地古县区块煤系“三气”储层覆压孔渗实验对比研究[J]. 天然气地球科学, 2018, 29(8): 1163-1171.
[3] 游利军，王哲，康毅力，张杜杰. 致密砂岩孔渗对盐析的响应实验研究[J]. 天然气地球科学, 2018, 29(6): 866-872.
[4] 孟凡坤,雷群，徐伟，何东博，闫海军，邓惠. 应力敏感碳酸盐岩复合气藏生产动态特征分析[J]. 天然气地球科学, 2018, 29(3): 429-436.
[5] 王清辉，冯进. 烃源岩TOC测井评价方法及应用——以珠江口盆地文昌组为例[J]. 天然气地球科学, 2018, 29(2): 251-258.
[6] 端祥刚，安为国，胡志明，高树生，叶礼友，常进. 四川盆地志留系龙马溪组页岩裂缝应力敏感实验[J]. 天然气地球科学, 2017, 28(9): 1416-1424.
[7] 李阳，李树同，牟炜卫，闫灿灿. 鄂尔多斯盆地姬塬地区长6段致密砂岩中黏土矿物对储层物性的影响[J]. 天然气地球科学, 2017, 28(7): 1043-1053.
[8] 张涛，李相方，王永辉，石军太，杨立峰，孙政，杨剑，张增华. 页岩储层特殊性质对压裂液返排率和产能的影响[J]. 天然气地球科学, 2017, 28(6): 828-838.
[9] 王妍妍，王卫红，胡小虎，刘华，郭艳东. 诱导渗透率场中压裂水平井压力动态分析模型[J]. 天然气地球科学, 2017, 28(5): 785-791.
[10] 崔亚星，熊伟，胡志明，左罗，高树生. 等温条件下页岩储层视渗透率随压力变化规律研究[J]. 天然气地球科学, 2017, 28(4): 514-520.
[11] 倪小明， 李志恒，王延斌，吴建光. 沁水盆地中部断层发育区煤层气开发有利块段优选[J]. 天然气地球科学, 2017, 28(4): 602-610.
[12] 王志荣，贺平，郭志伟，陈玲霞，徐培远. 水力压裂条件下“三软”煤层压裂渗透模型及应用[J]. 天然气地球科学, 2017, 28(3): 349-355.
[13] 赵军，范家宝，代新雲，何胜林，张海荣. 复杂非均质储层渗透率模型的分类评价方法[J]. 天然气地球科学, 2017, 28(2): 183-188.
[14] 何岩峰，成景烨，窦祥骥，王相，唐波. 页岩天然裂缝网络渗透率模型研究[J]. 天然气地球科学, 2017, 28(2): 280-286.
[15] 刘洁，张建中，孙运宝，赵铁虎. 南海神狐海域天然气水合物储层参数测井评价[J]. 天然气地球科学, 2017, 28(1): 164-172.
Viewed
Full text


Abstract

Cited
  Shared   
  Discussed   
No Suggested Reading articles found!