基于统计学习理论的高含盐油藏储层渗透率变化预测

• 作者: 尤启东 陈月明
• 来源期刊: 油气地质与采收率
• 学科: 工学
• 关键词: 统计学习理论 BP神经网络 支持向量机 渗透率 预测 高含盐油藏
• 年，卷（期）: 2006,（2）
• 所属期刊栏目: 油气藏工程
• 页码范围: 75-77
• 页数: 3页
• 分类号: TE319
• 字数: 3502字
• 语种: 中文
• DOI: 10.3969/j.issn.1009-9603.2006.02.023

摘要

为了在较少的实验数据条件下,实现对高含盐油藏储层渗透率变化规律的有效预测,对自组织、改进型BP神经网络和支持向量机3种方法在水驱储层渗透率变化预测中的应用进行了探讨.3种方法的对比研究表明,在小样本条件下,支持向量机方法能够兼顾模型的通用性和推广性.在王场油田潜三段北断块油藏储层渗透率变化的敏感性分析应用结果表明,该方法可准确地预测储层渗透率的变化规律;编制的动态油藏数值模拟软件应用结果显示,考虑储层渗透率变化的剩余油数值模拟结果符合率达75%,而不考虑储层渗透率变化的结果符合率仅为45%,充分说明了动态模拟的优越性.