基于样本优化的神经网络方法在储层裂缝识别中的应用

发布时间：2021-04-04 03:18

　　常规测井资料解释应用于非常规储层裂缝识别时,存在裂缝识别率低,储层评价不准确等问题;而成像测井方法（FMI）识别效果好,但成本过高。为了提高常规测井裂缝识别的准确率,首先采用BP（back propagation）神经网络方法,建立常规测井参数与裂缝发育程度之间的非线性关系。在神经网络样本选取上,引入K-means聚类算法,依据不同样本特征对其进行优化分类。最后,利用聚类结果分别建立更为精细的神经网络模型,并用于实际裂缝预测。将该方法应用于塔河油田碳酸盐岩储层A探井,识别结果表明:基于样本优化方法的裂缝密度曲线拟合效果（相关系数R分别为0.84、0.89、0.76）明显优于未考虑样本优化方法（R为0.58）,验证了本文方法的优越性,可以将其作为一种识别储层裂缝发育程度的新方法。 

【文章来源】：科学技术与工程. 2020,20(21)北大核心

【文章页数】：7 页

【部分图文】：

塔河油田A探井部分深度的测井响应

如图2所示,采用线性回归法建立各测井参数值与裂缝密度之间的定量关系。从图2总体来看,单个测井参数与裂缝发育程度相关性均较差,说明仅通过单个测井曲线无法准确识别裂缝密度。其中声波时差和密度测井参数相关系数明显低于其他测井参数,将其剔除。最终选定自然伽马、自然电位、补偿中子、井径、深侧向电阻率及浅侧向电阻率这6个参数进行BP神经网络建模。2 BP神经网络模型

BP神经网络法又称误差逆向传递算法,如图3所示,网络结构包括输入层、隐含层(一层或多层)和输出层,它模仿生物神经元,每一层传递的信号只作用于下一层,同层内节点无信号传输,具有良好的非线性运算能力。该方法包括信号正向传递和误差反向传递两个过程:①设置初始输入参数、初始传递权值和输出误差阈值,信号从输入层出发,经隐含层传向输出层,并计算输出结果与目标值的误差;②若误差大于设定阈值,则需要将误差由输出层反向传递到输入层,并根据梯度下降法传递误差调整权值,不断迭代上述过程,直到误差小于设定阈值,训练停止,输出神经网络模型参数。2.1 样本优化——K-means聚类

【参考文献】：
期刊论文
[1]BP神经网络法在三塘湖盆地芦草沟组页岩岩相识别中的应用[J]. 刘跃杰,刘书强,马强,姚宗森,佘家朝.  岩性油气藏. 2019(04)
[2]塔河油田奥陶系碳酸盐岩储集层成像测井地质解释[J]. 张宸嘉,樊太亮,孟苗苗,吴俊.  新疆石油地质. 2018(03)
[3]基于线性回归与神经网络的储层参数预测复合方法[J]. 项云飞,康志宏,郝伟俊,付康宁,王福顺.  科学技术与工程. 2017(31)
[4]重庆南川地区龙马溪组页岩微裂缝发育影响因素及程度预测[J]. 汪吉林,朱炎铭,宫云鹏,方辉煌.  天然气地球科学. 2015(08)
[5]利用BP神经网络法对致密砂岩气藏储集层复杂岩性的识别[J]. 单敬福,陈欣欣,赵忠军,葛雪,张芸.  地球物理学进展. 2015(03)
[6]缝洞型碳酸盐岩油藏剩余油分布模式——以塔河油田六七区为例[J]. 柳洲,康志宏,周磊,荣元帅,于雅林,冉毅凤.  现代地质. 2014(02)
[7]K-means聚类算法研究综述[J]. 王千,王成,冯振元,叶金凤.  电子设计工程. 2012(07)
[8]常规与非常规油气聚集类型、特征、机理及展望——以中国致密油和致密气为例[J]. 邹才能,朱如凯,吴松涛,杨智,陶士振,袁选俊,侯连华,杨华,徐春春,李登华,白斌,王岚.  石油学报. 2012(02)
[9]人工神经网络在储层地质建模中的应用研究[J]. 许少华,单彬.  科学技术与工程. 2011(31)
[10]常规测井方法识别碳酸盐岩储层裂缝[J]. 邓模,瞿国英,蔡忠贤.  地质学刊. 2009(01)



本文编号：3117632