基于神经网络和开窗技术的储层渗透率的预测方法——以大庆萨尔图油田葡萄花油层组PⅠ1-PⅠ4小层砂岩为例

• 作者: 单敬福 史榕 柳成志 纪友亮
• 来源期刊: 地质科学
• 学科: 工学
• 关键词: 人工神经网络 渗透率拟合 开窗技术 BP网络 大庆萨尔图油田
• 年，卷（期）: 2007,（2）
• 所属期刊栏目: 地学新知
• 页码范围: 395-402
• 页数: 8页
• 分类号: TE122.2
• 字数: 4615字
• 语种: 中文
• DOI: 10.3321/j.issn:0563-5020.2007.02.013

摘要

渗透率是油藏描述和油藏工程中较为关键性的参数,因而如何求取较为精确的地层渗透率参数值显得格外重要.本文在岩心分析化验数据和相关测井曲线数据归一化的基础上,利用改进的开窗技术,借助反馈的神经网络方法逐点计算地层的渗透率.以往在利用遗传算法预测渗透率的时候,因为只考虑了单一的数据点,没有把邻近层位的数据加入学习过程中来,故影响了预测模型的精度和可信度.笔者经过系统的研究,用相邻5个层位的数据点进行学习,建立储层渗透率的预测模型.大庆萨尔图油田葡萄花油层组PⅠ1-PⅠ4小层砂岩的油气勘探实践证明,预测的渗透率与实测的渗透率的值符合较好.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	史榕	同济大学海洋与地球科学学院	10	118	7.0	10.0
2	纪友亮	同济大学海洋与地球科学学院	73	1421	25.0	33.0
3	柳成志		34	282	8.0	15.0
4	单敬福	同济大学海洋与地球科学学院	11	182	8.0	11.0