基于人工神经网络的致密储层渗透率预测OA
Prediction for Permeability of Tight Reservoir Based on Artificial Neural Network
致密储层渗透率求解困难.在基于流动单元指数与岩石粒度研究的基础上,通过设置3组不同输入参数的BP神经网络模型比较分析,发现采用微球电阻率测井值、自然伽马相对值、岩石骨架相关的中子和密度值(M、N)和孔隙度值作为输入参数的BP模型预测精度最高,然后用这些输入参数做为广义回归神经网络算法的输入,对岩心渗透率进行训练与预测.对比3种线性模型与2种神经网络模型对3口验证井岩心渗透率数据的预测误差,结果表明,针对研究靶区致密储层,线性模型对于渗透率的预测精…查看全部>>
林磊;王军;刘行军;文晓峰;孙建孟
中国石油大学(华东)地球科学与技术学院,山东青岛266558中国石化胜利油田分公司勘探开发研究院,山东东营257015中国石油集团测井有限公司长庆分公司,陕西西安710201中国石油集团测井有限公司长庆分公司,陕西西安710201中国石油大学(华东)地球科学与技术学院,山东青岛266558
天文与地球科学
渗透率致密储层BP神经网络广义回归神经网络
《测井技术》 2021 (2)
179-184,6
评论