排序方式： 共有2条查询结果，搜索用时 0 毫秒
1
1.
文章以莱州湾凹陷垦利油田沙河街组储层为例,对传统的回归统计模型和基于BP神经网络的人工智能预测模型评价储层渗透率方法和效果进行了对比研究。目标储量报告里定火沙三段中孔、中渗;岩性（粒度）和孔隙度是储层渗透率的主要影响因素。根据岩心及测井数据,建立了孔隙度——粒度二元回归渗透率统计评价模型和BP神经网络渗透率预测模型。通过检验样本集精度对比,分析了隐含层数、隐含层节点数等网络结构参数变化对模型预测结果的影响,重点分析了不同的测井参数输入对BP神经网络模型预测结果的影响。优化后的BP神经网络模型对检验样本集的渗透率预测结果精度最高,其平均相对误差为37%,比传统的二元回归统计模型精度提高了26%。对目标油田三口井连续处理,BP神经网络模型渗透率预测结果更加合理,可以满足开发层段产能分析等生产需求。 相似文献
2.
BZ19-6气田变质岩潜山储层结构复杂、多样，裂缝发育且非均质性强。在储层评价中，识别有效的裂缝是一个紧迫的难题，而这对于该气田的勘探开发具有重要的意义。以岩性主要为花岗片麻岩、夹少量侵入岩的太古界为研究层位，通过对常规测井曲线进行重极标差（R/S）分析，以识别研究层位的裂缝发育程度，并通过计算Lg(R/S)的牛顿二阶差分值预测裂缝的发育位置。进一步将R/S分析结果与岩芯薄片裂缝观察统计和电成像图解释结果进行对比，建立了利用赫尔特指数识别花岗片麻岩储层裂缝发育程度分类标准。研究表明：(1)将R/S分析和牛顿差分法相结合改进的裂缝识别方法，在变质岩储层裂缝评价中具有可行性，可识别宽度>0.005 mm的裂缝；(2) Lg(R/S)曲线二阶差分值能够准确地识别天然裂缝的发育位置，并且KRxo与裂缝线密度呈正相关，相关性高；(3)岩性各向异性和裂缝充填情况对常规测井曲线R/S分析方法识别裂缝精度有影响。 相似文献
1