基于岩石物理模型和神经网络的页岩结构分析及参数预测

发布时间：2021-01-15 00:29

　　页岩是一种常见的沉积岩,不同于碎屑岩与碳酸盐岩,页岩孔隙度和渗透率都很小,早期的石油地质研究将页岩作为油气储集层的良好盖层,但是随着页岩油气、非常规油气勘探的兴起,页岩被视为非常重要的非常规油气储层,具有极大的开发潜力。页岩多是由各种矿物,粘土,有机物质等组成的非均质混合物,现如今研究中页岩通常被当作非常重要的非常规油气储层,与常规油气藏相比,页岩中油气赋存方式复杂,有机质类型丰度大,这些特点决定了页岩油气的解释与评价必然与常规油气藏有很大不同,所以对其评价思路和研究方法要更适应于页岩自身情况。因此,需要更进一步的了解页岩储层的矿物组分、含量以及精细结构,并获取准确、有价值的储层评价参数。本文主要是对富含有机质的页岩储层进行分析,了解页岩储层的结构特征和获取页岩储层参数,所采用的方法包括岩石物理方法和应用神经网络分析。岩石物理的方法是在页岩储层建立岩石物理模型,并基于模型对储层结构进行分析,反演储层物性参数,岩石物理建模是储层描述与分析中最关键的一步。在富含有机质的页岩储层中建立岩石物理模型首先要考虑有机质（主要成分是干酪根）的结构和性质对页岩的影响,因此,在建立页岩储层岩石物理模型时... 

【文章来源】：吉林大学吉林省 211工程院校 985工程院校 教育部直属院校

【文章页数】：63 页

【学位级别】：硕士

【部分图文】：

神经网络结构示意图

第3章神经网络预测方法16()，()·······(3.9)，()()·········(3.10)由公式（3.8）、（3.9）、（3.10）可以得到：()()······(3.11)同理：·········(3.12)同理推导，可得：··········(3.13)···········(3.14)其中，*∑()，()+，··········(3.15)图3.2激励函数BP神经网络中常用到的激励函数如图3.2所示。常用的激励函数包括以下三个：

第 3 章 神经网络预测方法 1．Sigmoid 激励函数：也叫 Logistic 函数，用于隐层神经元输出，取值范围为(0,1)，可以用来做二分类。


本文编号：2977853