共查询到20条相似文献，搜索用时 151 毫秒
1.
分析了传统测井解释方法的局限性。从神经网络的机理、特点出发,提出了一种基于人工智能神经网络技术的岩性识别、孔隙度和渗透率预测方法。首先选取适当的测井资料向量组成一个训练模式对,由多个训练模式对构成一个学习样本集。通过神经网络的学习,使网络记住这些特征并形成预测模型,最后根据预测模型计算相应参数。以十红滩地区的找矿目的层为对象,进行了岩性分析与对比,预测了孔隙度与渗透率,并与实测值进行了对比。上述实例分析表明,该方法用于砂岩型铀矿预测岩性、孔隙度和渗透率具有一定的可行性。与传统方法相比,该方法不需要建立具体的解释模型和计算公式,有较好的适应性和预测精度。基于人工智能神经网络技术的岩性识别、孔隙度和渗透率预测方法具有较高的实用价值。 相似文献
2.
利用径向基函数(RadialBasisFunction,RBF)神经网络的原理对储层参数(孔隙度、渗透率)进行了预测,运用有效测井数据和岩心测试资料作为网络模型的学习样本,通过网络的学习、训练,建立了测井解释的RBF神经网络模型。应用此模型定量计算了鄂尔多斯盆地杭锦旗地区多口井的碎屑岩层的孔隙度和渗透率。与用传统的统计方法比较,神经网络的方法显示出了更好的精度和更强的实用性。 相似文献
3.
建立物性测井解释模型是为了提高子长油田测井解释的精度,对于储层描述和油层评价具有重要意义。利用测井数据,结合物性分析化验资料和取芯资料,先对储层的四性关系进行简要的介绍,然后在其基础上利用层点对应的读值方法建立适合子长油田长6储层的泥质含量和孔隙度的测井解释模型。渗透率的解释利用泥质含量进行分类和多参数的回归,其解释精度得到明显的提高。经过验证,所做关于子长油田长6储层物性参数的解释模型准确率高,效果好。 相似文献
4.
水平井测井解释主要集中在测井仪器响应的理论模拟及各向异性的实验研究方面,远未达到实际水平井测井储层参数解释应用的深度和要求[1]。这里在对比分析DH油田水平井段与对应直井层段测井响应特征基础上,针对水平井段测井曲线进行了校正,提出使用直井取芯物性数据刻度水平井段测井曲线,来建立适应于水平井段井眼和曲线特征的孔隙度及渗透率神经网络解释模型,进而对整个研究区水平井段进行测井储层参数解释和评价。用直井储层参数对测井解释结果的检验表明,水平井测井储层参数解释精度得到了明显改善和提高,能够较好地满足三维地质建模的井属性参数精度要求。 相似文献
5.
水平井测井解释,主要体现在测井仪器响应的理论模拟以及各向异性的实验研究方面,远未达到实际水平井测井储层参数解释应用的深度和要求。在对比分析HD油田水平井段与对应直井层段测井响应特征基础上,这里针对水平井段测井曲线进行了校正,提出使用直井取芯物性数据刻度水平井段测井曲线,来建立适应于水平井段井眼和曲线特征的孔隙度、渗透率神经网络解释模型,进而对整个研究区水平井段进行测井储层参数解释和评价。通过用直井岩芯物性对测井解释结果的检验表明,水平井测井储层参数解释精度得到了明显改善和提高,能够较好地满足三维地质建模的井属性参数精度要求。 相似文献
6.
基于遗传神经网络的瓦斯含量预测研究 总被引：7，自引：0，他引：7
瓦斯含量预测取决于多因素、非线性的函数关系的建立 ,预测模型建立的准确与否决定于各个影响因素之间的相互作用、相互耦合的特性。文中将神经网络与遗传算法有机地结合起来 ,以神经网络理论为基础 ,利用遗传算法优化隐含层神经元个数和网络中的连接权值 ,建立瓦斯含量预测模型。在实验室测试数据的基础上 ,建立遗传神经网络训练和检验样本集 ,其中包含有 38个典型样本 ,并且将检验结果分别与回归模型、标准BP神经网络、自适应BP神经网络的预测结果进行比较。结果表明 :遗传神经网络模型可靠 ,预测精度高 ,为促进软计算技术与瓦斯地质的结合奠定了基础。 相似文献
7.
塔里木盆地塔河油田奥陶系生物扰动碳酸盐岩储集层非常发育,但利用常规测井数据识别生物扰动储集层发育段和准确预测孔隙度难度较大。本文在对研究区16口取芯井奥陶系岩芯上生物扰动区域扰动等级划分的基础上,通过岩性标定测井,优选常规测井参数,基于BP神经网络模型分别建立了适合研究区生物扰动碳酸盐岩储集层识别和孔隙度预测的模型,并对建立的模型进行了有效性检验。结果表明：① 选择自然电位、自然伽马、井径、深侧向电阻率、浅侧向电阻率、补偿中子和密度等常规测井数据作为生物扰动碳酸盐岩储集层识别模型输入层的参数值,生物扰动指数（Bioturbation Index, BI）作为输出结果;选取rprop、sigmoid symmetric和sigmoid stepwise函数分别作为训练函数、隐含层和输出层的激活函数,建立节点数为3、层数为3的神经网络识别模型,识别效果好,适用于研究区奥陶系生物扰动碳酸盐岩储集层的识别。② 选择自然电位、自然伽马、井径、声波、补偿中子和密度值等常规测井数据作为输入层的参数值,对应深度上岩芯柱塞孔隙度测试结果和利用孔隙度样品检验模型计算得出的孔隙度结果作为输出结果,选取incremental、gaussian和sigmoid分别作为训练函数、隐含层和输出层的激活函数,建立节点数为4,层数为3的生物扰动碳酸盐岩储集层孔隙度预测模型,预测效果良好,适用于研究区奥陶系生物扰动储集层孔隙度的预测。该研究对定量表征研究区生物扰动储层特性、储量估算、油藏描述和储层地质建模等具有重要的借鉴意义。 相似文献
8.
塔里木盆地塔河油田奥陶系生物扰动碳酸盐岩储集层非常发育,但利用常规测井数据识别生物扰动储集层发育段和准确预测孔隙度难度较大。本文在对研究区16口取芯井奥陶系岩芯上生物扰动区域扰动等级划分的基础上,通过岩性标定测井,优选常规测井参数,基于BP神经网络模型分别建立了适合研究区生物扰动碳酸盐岩储集层识别和孔隙度预测的模型,并对建立的模型进行了有效性检验。结果表明：① 选择自然电位、自然伽马、井径、深侧向电阻率、浅侧向电阻率、补偿中子和密度等常规测井数据作为生物扰动碳酸盐岩储集层识别模型输入层的参数值,生物扰动指数（Bioturbation Index, BI）作为输出结果;选取rprop、sigmoid symmetric和sigmoid stepwise函数分别作为训练函数、隐含层和输出层的激活函数,建立节点数为3、层数为3的神经网络识别模型,识别效果好,适用于研究区奥陶系生物扰动碳酸盐岩储集层的识别。② 选择自然电位、自然伽马、井径、声波、补偿中子和密度值等常规测井数据作为输入层的参数值,对应深度上岩芯柱塞孔隙度测试结果和利用孔隙度样品检验模型计算得出的孔隙度结果作为输出结果,选取incremental、gaussian和sigmoid分别作为训练函数、隐含层和输出层的激活函数,建立节点数为4,层数为3的生物扰动碳酸盐岩储集层孔隙度预测模型,预测效果良好,适用于研究区奥陶系生物扰动储集层孔隙度的预测。该研究对定量表征研究区生物扰动储层特性、储量估算、油藏描述和储层地质建模等具有重要的借鉴意义。 相似文献
9.
《中国煤炭地质》2016,(1)
煤储层渗透率是影响煤层气开采的重要参数,为了有效的预测煤层渗透率,提出了多元逐步回归与支持向量回归结合的MSR-SVR预测模型。通过研究沁水盆地柿庄北地区测井数据,采用多元逐步回归法分析因变量渗透率与自变量孔隙度、声波时差、自然伽马、电阻率、自然电位之间的关系,优选出显著性自变量孔隙度和自然伽马,将其作为初始样本输入到支持向量回归中,以此建立模型对煤层进行渗透率预测。利用测试样本和验证样本对模型的有效性进行验证,其相对误差均在25%以内。MSR-SVR预测模型实例表明:沁水盆地柿庄北地区煤层的渗透率普遍偏低;MSR-SVR预测模型在地质条件复杂、渗透率规律性差的煤层中进行渗透率预测具有合理性和可行性。 相似文献
10.
鄂尔多斯盆地陕北斜坡东北部长6油层组为典型的低孔特低渗砂岩储层,由于储层的物性较差,孔隙度分布的范围变化较大,其在测井响应特征上的反映并不灵敏,会导致储层物性参数的测井解释精度变低。对岩心分析孔隙度进行岩心归位处理后,将声波时差和自然电位曲线按照泥岩段重合的原则进行重叠,两条曲线之间的幅度差反映储层的物性特征,并利用对孔隙度敏感的声波时差测井资料与层点分析孔隙度建立合理有效的孔隙度参数预测模型。研究结果表明:声波时差测井参数与层点分析孔隙度的相关性较好,且利用该方法预测的孔隙度与岩心分析孔隙度符合程度较高。根据该孔隙度参数测井解释模型定量预测陕北斜坡东北部砂岩储层孔隙度,可以为预测优质储层和有利含油区提供一定的依据,具有很好的应用效果。 相似文献
11.
砂砾岩储层孔隙结构复杂、非均质性强,在渗透率计算方面传统的测井解释方法误差较大,目前还没有经典的计算砂砾岩渗透率的测井解释模型。以克拉玛依油田某区八道湾组砂砾岩稠油油藏为例,首先在微观层面上分析了渗透率的主控因素。其次根据本地区的实际情况建立了3套渗透率测井解释方法:一是在前人研究基础上改进了多元回归模型;二是在岩性识别的基础上分不同岩性建立了渗透率模型;三是利用BP神经网络进行了渗透率的预测。最后对传统的经验公式与文中的3种方法进行检验。结果表明,比起传统的经验公式和多元回归模型,基于不同岩性的渗透率模型与BP神经网络在实际应用中效果更好,较大幅度地提高了测井解释精度,在非均质性强的砂砾岩油藏中具有更好的应用前景。 相似文献
12.
煤层含气量预测是煤层气资源勘探开发利用前期的重要研究内容之一。近些年,BP神经网络算法常用于煤层含气量预测领域,但传统BP模型在训练过程中往往存在收敛速度慢、对初始值敏感以及易陷入局部极小值等问题。为此,提出了一种改进的以人工蜂群算法为特征的BP神经网络预测方法。以沁水盆地某工区3号煤层为研究对象,首先,利用R型聚类分析法对目标煤储层所提取的多种类型的地震属性进行分类,优选出4种对煤层含气量变化反应最敏感且相互独立的地震属性;再利用人工蜂群算法(ABC)寻找BP神经网络的输入层与隐含层的最优连接权值和隐含层的最优阈值,构建具有鲁棒性的ABC-BP神经网络预测模型,并以井位置优选地震属性和含气量数据为样本训练该模型;最后,以整个工区目标储层的优选地震属性为输入,进行工区内煤层含气量的预测。预测结果与各井含气量的变化趋势基本吻合,其中,训练井处的平均误差率为0.23%,验证井处的误差率低于15%,预测精度较高,因此,该预测方法可靠性高,适用性强,可有效用于煤层含气量预测。 相似文献
13.
14.
随着煤层气勘探的不断深入,对煤层含气量预测精度提出了更高的要求。基于煤层含气量测井响应特征,分析测井参数与含气量的相关性,提出MIV（Mean Impact Value）技术与LSSVM（Least Squares Support Vector Machine）结合的测井参数优选策略,优选最优测井参数作为网络建模的输入自变量组合,通过粒子群算法优化LSSVM网络核心参数,最后构建一套适用于煤层含气量预测的MIV-PSO-LSSVM模型。在此基础上,分别对比分析LSSVM、PSO-LSSVM、MIV-LSSVM和MIV-PSO-LSSVM模型对煤层含气量的预测性能,并与传统多元回归方法进行了对比,利用拟合优度和均方根误差对此5类模型进行评价。结果表明:PSO优化下的LSSVM模型预测精度得到有效提升,结合MIV方法优选测井参数可大幅度改善神经网络建模性能,MIV-PSO-LSSVM模型可实现煤层含气量高精度预测,为煤层气勘探及其储层评价提供新的技术支撑,且本研究的建模策略及思想可广泛应用于其他机器学习建模研究领域。 相似文献
15.
This study deals with reservoir characterization based on well log data using an unsupervised self-organizing map (SOM) and supervised neural network algorithms with the aim of clustering log responses into reservoir facies of an oil field located in southwest of Iran. In order to promote and justify the quality control and quantify spatial relationships for petrophysical properties, some of neural network-based approaches were introduced such as the SOMs as the intelligent clustering method compared with other hybrid methods, principal component analysis networks (PCANs) and multilayer perceptron (MLP) and statistical clustering (CA) methods. The results obtained from all the abovementioned methods are compared to each other, and the best option is selected based on accuracy and capabilities of clustering and estimation of the petrophysical data, concluding that for predicting any characteristic of the reservoirs, the appropriate network should be chosen and a unique network cannot be convenient for all of them. Accordingly, the SOM clustering technique was employed to classify the reservoir rocks. Based on the SOM visualization, the reservoir rocks were classified into six facies associated with specific petrophysical properties; among them, F6 expressed the best reservoir quality which is characterized by the low amount of density, highest DT, high amount of neutron porosity (NPHI), and lowest GR response. Ultimately, the performance of all the methods was compared to estimate the porosity and permeability within each facies. The results revealed the preference and reliability of PCAN in predicting porosity and confirmed the capability of MLP in permeability prediction. This study also indicates that neuro-prediction of formation properties using well log data is a feasible methodology for optimization of exploration programs and reduction of expenditure by delineating potentially oil-bearing strata with higher accuracy and lower expenses. The resulting neural net-based model can be used as a powerful and distributive system to reduce the high impact of risk in similar fields. 相似文献
16.
随煤层开采深度的不断增加,煤矿生产过程中面临着复杂的突水机理和多变的突水主控因素,且各因素间相互联系的不确定性,使底板突水预测的难度不断增加。为准确预测底板突水危险性,针对底板突水的小样本、非线性问题,首先利用遗传算法(Genetic Algorithm,GA)将网络随机赋值的初始权值和阈值初次优化,再选取搜索能力强、稳定性较好的麻雀搜索算法(Sparrow Search Algorithm,SSA)对权值和阈值进行二次寻优,从而建立SSA-GA-BP神经网络底板突水预测模型。分析整理山东省滨湖煤矿地质及水文地质资料,选取含水层水压、含水层厚度、隔水层厚度、断层密度、断层分维值、渗透系数、单位涌水量、底板破坏深度共8个因素,作为预测底板突水的主控因素,绘制各主控因素3D映射投影曲面图;利用Surfer软件中的克里金插值法提取50个数据点作为模型的输入样本(分为训练集40个,测试集10个),对模型进行训练学习,训练误差精度达到要求后,对滨湖煤矿3个未开采工作面的12个数据点进行突水危险性预测。为了验证所建模型的准确性,利用BP、GA-BP、SSA-GA-BP这3种模型对测试集进行预测;为避免模型仅与BP网络预测对比的片面性,同时选取以熵权法确定权重的模糊综合评判法对测试集进行预测;将各网络模型及方法的预测结果与实际值进行对比分析。结果表明:基于SSA优化的GA-BP神经网络模型突水预测误差较小,预测结果准确率更高,为矿井水害预测预报提供了科学的评价方法和理论依据。 相似文献
17.
多元线性回归及BP神经网络是煤层含气量测井解释的常用方法。基于澳大利亚Galilee盆地和沁水盆地煤层测井资料和实测含气量数据,通过相关性分析和显著性检验,筛选了和含气量相关的测井参数,通过多元线性回归建立含气量与测井参数的解释模型;基于BP神经网络的理论,通过网络训练和测试,建立了煤层含气量和测井参数的非线性解释模型。讨论了多元线性回归模型的参数选择方法,并对两种解释方法的误差特点进行了分析,讨论了两种方法的适用性。结果显示:多元线性回归法和BP神经网络法是煤层含气量解释的常用方法,前者的解释误差比后者大;多元线性回归法解释精度与煤层含气量相关,适用于含气量较高的井;BP神经网络法解释精度普遍较高,在含气量高和低的井中均可适用,解释效果受输入层样本的数量和质量影响,样本数量越多,区域代表性越强,解释效果越好。 相似文献
18.
结合有关煤体渗透率的众多研究成果,总结出影响煤体渗透率的3个主要因素为有效应力、温度和瓦斯压力。采用粒子群优化算法(PSO)对最小二乘支持向量机(LSSVM)的参数进行优化选择,并以上述3个因素和抗压强度为输入值,以渗透率为目标输出值,建立煤体瓦斯渗透率的PSO-LSSVM预测模型。利用25组数据进行PSO-LSSVM模型与BP神经网络及支持向量机的比较实验,PSO-LSSVM预测结果与实际值拟合程度优于其他两个模型,且具有更小的误差。实验结果表明,采用PSO-LSSVM模型可由有效应力、温度和瓦斯压力对渗透率进行较高精度的预测。 相似文献
19.
20.
煤层含气量测井解释方法探讨 总被引：6，自引：1，他引：5
用多元线性回归建立煤层气含量与煤质参数、测井曲线值之间的回归方程,经F检验回归方程有效,但回归方程估算的煤层含气量与煤样解吸测定的含气量之间仍然存在较大的误差,为此利用BP神经网络进一步探讨它们之间的关系,实例表明预测精度较高。 相似文献