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 ›› 2006, Vol. 17 ›› Issue (3): 382–384.doi: 10.11764/j.issn.1672-1926.2006.03.382

• 天然气地质学 • 上一篇    下一篇

基于测井资料的BP神经网络模型在孔隙度定量预测中的应用

连承波; 李汉林; 渠芳; 蔡福龙; 张军涛;   

  1. 中国石油大学地球资源与信息学院; 中国科学院地质与地球物理研究所; 南京大学地球科学系; 山东东营; 江苏南京;
  • 收稿日期:2005-09-07 修回日期:2006-03-08 出版日期:2006-06-20 发布日期:2006-06-20
  • 作者简介:连承波(1979-)，男，山东荣成人，博士研究生，主要从事石油天然气数学地质和油气藏形成与分布方面的研究.E-mail:lianchengbo1999@hotmail.com.
  • 基金资助:
    国家重点基础研究规划项目“中国煤层气成藏机制及经济开发基础研究”(编号：2002CB211702)资助.

PREDICTION OF POROSITY BASED ON BP ARTIFICIAL NEURAL NETWORK WITH WELL LOGGING DATA

LIAN Cheng-bo~1,LI Han-lin~1,QU Fang~1,CAI Fu-long~2,ZHANG Jun-tao~3   

  1. 1.Scholl of Earth Resources and Information,China University of Petroleum,Dongying 257061,China;2.Institute of Geology and Geophysics,Chinese Academy of Sciences,Beijing 100029,China;3.The Department of Earth Science,Nanjing University,Nanjing 210093,China
  • Received:2005-09-07 Revised:2006-03-08 Online:2006-06-20 Published:2006-06-20

PDF (PC)

960

摘要：

分析了储层孔隙度预测中存在的问题,提出了把测井信息当作影响储层孔隙度的因素、并根据已知测井信息与储层孔隙度的关系、建立适当的BP神经网络模型、在一定的学习条件下对未知样本进行预测的方法。通过实例研究,预测结果的准确性较高且明显优于回归分析预测的结果,认为此法可以作为一种储层孔隙度定量预测的方法。

关键词: 测井资料, BP神经网络, 孔隙度预测

Abstract:

Analyzing the shortcoming of porosity prediction,and considering the relationships between reservoir porosity and well logging data,the BP network model of prediction of reservoir porosity was established by means of BP network method of ANN theory.The error analysis and practical use show that the BP network method to predicting reservoir porosity is a feasible method.

Key words: Logging data, BP artificial neural network, Porosity prediction.

［1］陈祖安，伍向阳.砂岩孔隙度和含泥量与波速关系的模型［J］.地球物理学进展，2000，15(1):79-82.
［2］ 桂志先，朱广生.孔隙度与纵横波速度间的关系及其在孔隙度预测中的应用［J］.石油物探，1998，37(2)：36-40.
［3］ 周家雄，王立锋.DF气田储层孔隙度横向预测［J］.中国海上油气田，2004，16(6)：369-372.
［4］ 乐友喜，王永刚.非参数回归法在孔隙度参数预测中的应用［J］.地质科学，2002，37(1)：118-126.
［5］ 吴大奎，李亚林.利用地震资料对川东地区飞仙关鲕滩储层孔隙度的预测研究及效果分析［J］.天然气工业，2001，21(3)：34-36.
［6］ CHRNG, SIDENY. Seismic attribute technology for reserv-    oir forecasting and monitoring［J］.The Leading Edge，1997，16(5):445-456.
［7］ 王惠濂.综合地球物理测井［M］.北京:地质出版社，1990:92-107.
［8］ 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，1994，5(5)：28-31.
［9］ 缪小平，曾福添.基于神经网络的温度预测［J］.工业安全与环保，2002，28(2)：1-2.
［10］ 庄镇泉，王熙法.神经网络与神经计算机［M］.北京:科学出版社，1991:216-234.
 
［11］ 靳蕃，范俊波.神经网络与神经计算机原理及应用［M］.西安:西安交通大学出版社，1993:146-157.
［12］ 李凤杰，王多云，苑克增，等.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 ［J］.天然气地球科学，2004，
［13］ 胡文凯，关丽.利用灰色模型预测储层孔隙度［J］.江汉石油学院学报，2003，25(3)：39-40
[1] 张兆辉，姚军，苏明军. 井—震拟合反演压力系数技术及应用[J]. 天然气地球科学, 2016, 27(4): 739-744.
[2] 汪吉林，朱炎铭，宫云鹏，方辉煌. 重庆南川地区龙马溪组页岩微裂缝发育影响因素及程度预测[J]. 天然气地球科学, 2015, 26(8): 1579-1586.
[3] 王宗礼, 李君, 罗强, 邵丽艳, 李向阳. 利用测井资料精细评价冀中坳陷廊固凹陷烃源岩[J]. 天然气地球科学, 2012, 23(3): 430-437.
[4] 郭龙,陈践发,苗忠英. 一种新的TOC含量拟合方法研究与应用[J]. 天然气地球科学, 2009, 20(6): 951-956.
[5] 雷霆,李治平. 平衡常数K值的快速算法[J]. 天然气地球科学, 2007, 18(1): 158-160.
[6] 于均民,李红哲,刘震华,魏东涛,陈 涛. 应用测井资料识别层序地层界面的方法[J]. 天然气地球科学, 2006, 17(5): 736-739.
[7] 谷团;任强;陈淑凤;李庆章;. 辽河油田浅层气测井识别技术[J]. 天然气地球科学, 2006, 17(2): 276-281.
[8] 聂采军,赵军,夏宏权, 刘之的. 地层破裂压力测井预测的统计模式研究[J]. 天然气地球科学, 2004, 15(6): 633-636.
[9] 赵希刚，吴汉宁，王震，王靖华，李英. 利用综合测井资料研究碎屑岩储集层的非均质性――以CH油田长6油层组为例[J]. 天然气地球科学, 2004, 15(5): 477-481.
[10] 李凤杰;王多云;苑克增;郑希民;. 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[J]. 天然气地球科学, 2004, 15(3): 243-246.
[11] 陈荣书； 徐思煌； 燕廷泽； . 压实、流体压力和势分析系统及其在东濮凹陷杜、桥、白地区油气运聚研究中的初步应用[J]. 天然气地球科学, 1991, 2(4): 193-193,198.
Viewed
Full text


Abstract

Cited
  Shared   
  Discussed   
No Suggested Reading articles found!