低渗透油藏地质特征复杂,储层物性及含油性受沉积、成岩、构造、孔隙结构等多种因素的共同影响,使得油层测井响应特征复杂化,测井评价难度大。以塔南凹陷白垩系低渗透储层实例,将机器学习方法应用于油藏测井评价,采用误差逆传播神经网络算法,建立三层结构的神经网络模型,利用岩心分析和不同类型的测井信息,在单因素分析的基础上,考虑不同参数信息的重叠和冗余,优选学习样本的特征参数,建立试油段的学习样本训练集,利用建立的网络模型进行了研究区三类油层的识别。
类型: 国际会议
作者: 张涛,张宪国
关键词: 低渗透,机器学习,神经网络,测井
来源: 2019油气田勘探与开发国际会议 2019-10-16
年度: 2019
分类: 基础科学,工程科技Ⅰ辑
专业: 地质学,地质学,石油天然气工业
单位: 山东科技大学地球科学与工程学院,中国石油大学(华东)地球科学与技术学院,CNPC油气储层重点实验室中国石油大学(华东)分室
分类号: P631.81;P618.13
DOI: 10.26914/c.cnkihy.2019.050114
页码: 290-294
总页数: 5
文件大小: 408k
下载量: 20
本文来源: https://www.lunwen66.cn/article/dbcb99583130f83cdec4b22e.html