储层粒度神经网络预测模型研究

• 作者: 楼一珊 王利华 程福山 陈宇 马晓勇
• 来源期刊: 西南石油大学学报（自然科学版）
• 学科: 工学
• 关键词: 分层防砂 粒度特征值 神经网络 伽马密度测井 样本库
• 年，卷（期）: 2016,（1）
• 页码范围: 53-59
• 页数: 7页
• 分类号: TE257
• 字数: 3882字
• 语种: 中文
• DOI: 10.11885/j.issn.1674-5086.2014.01.09.02

摘要

国内外多年的研究表明，储层粒度特征值（d50）、非均质系数（d40/d90）是防砂设计的基础。常规获取粒度分布范围的方法主要有激光粒度测试法（LDA）与筛析法（SA），两种方法均需要通过岩芯粒度测试来获取数据，而在制定开发井的完井防砂措施时往往没有实际开采层位的岩芯，只能参照探井粒度数据进行设计，从而导致较大的误差。针对该问题，从测井的角度出发，开展了储层粒度与多种测井曲线的响应关系的研究，采用神经网络技术，建立了探井伽马、密度测井项与实测粒度特征值三者样本库，训练出满足工程需要的学习网络，进而结合开发井测井资料，获得了整个粒度纵向分布剖面，为防砂分层设计提供准确的基础数据支撑。目前，该方法在中国海上多个油田的分层防砂优化设计中获得了成功应用，预测误差可控制在10%以内。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	马晓勇		1	1	1.0	1.0
2	陈宇		1	1	1.0	1.0