天然气地质学

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

展开
  • [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;

网络出版日期: 2004-06-20

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

Expand
  • 1. Lanzhou Institute of Geology, Chinese Academy of Science, Lanzhou 730000, China; 2.Huanghe Waterworks, Water Supply Company, Jinan 250032, China

Online published: 2004-06-20

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。

本文引用格式

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 . DOI: 10.11764/j.issn.1672-1926.2004.03.243

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.

参考文献

 [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.
文章导航

/