神经网络方法识别测井曲线形态

• 作者: 张冰 张平 潘保芝 王英伟
• 来源期刊: 物探化探计算技术
• 学科: 工学
• 关键词: 自组织神经网络 曲线形态 模式识别 沉积相
• 年，卷（期）: 2009,（6）
• 所属期刊栏目: 油储地球物理
• 页码范围: 611-616
• 页数: 6页
• 分类号: TP183
• 字数: 4242字
• 语种: 中文
• DOI: 10.3969/j.issn.1001-1749.2009.06.019

摘要

随着油田勘探开发程度的不断提高,要找到有利的油气聚集带以及在开发阶段提高油田采收率,都必须进行储层沉积相分析.这里介绍一种利用自组织神经网络识别曲线形态的方法.采用将测井曲线网格化,再利用自组织神经网络识别曲线形态,进而去判别沉积相.此方法可以对测井曲线形态进行识别,且消除了测井曲线中的不确定因素,运用该方法对实际测井曲线形态的识别基本正确.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	潘保芝	吉林大学地球探测科学与技术学院	165	1210	18.0	27.0
2	张冰	吉林大学地球探测科学与技术学院	39	135	7.0	10.0
3	王英伟	吉林大学地球探测科学与技术学院	15	55	6.0	7.0