|
摘要 本文首先概述了神经网络的发展过程,说明应用神经网络可解决非均质性的非线性映射问题,然后论述了神经网络系统的基本原理,它是由大量的神经元广泛连接形成,不同的连接方式形成不同的网络结构。 本文采用的是多层感知机网络结构,它是由输入层、隐层和输出层组成,每层都有多个神经元组成,层间给定权重值,可进行数据处理。当信息输入后,只要进行一定量次的训练,就可以得出最终的期望输出。本文将神经网络主要应用于测井解释中,所编制的一整套处理软件,可利用自然伽马、自然电位、电阻车测井、声波时差、密度测井、中子测并及井径测井曲线等,对储层的孔隙率、渗透率、泥质含量、油气饱和度,以及工区的岩性岩相识别、裂缝层识别、油气水层识别等作出预测。文中最后提供了胜利油田利用该法对两口井进行了全井段的油水层预测,符合率达93%。
|
|
关键词 :
神经网络,
测井,
油气,
岩性,
预测
|
收稿日期: 1995-04-17
|
|
作者简介: 刘全稳:工程师,1962年生,1984年毕业于广东石油学校,199。年于成都地质学院物探系函授毕业。现在新疆石油管理局地调处从事圈闭综合评价与管理工作,并在成都理工学院攻读博士研究生。 |
[1] |
李坤, 印兴耀. 混合概率模型驱动的叠前地震反演方法[J]. 石油地球物理勘探, 2020, 55(4): 839-853. |
[2] |
王俊, 曹俊兴, 尤加春. 基于GRU神经网络的测井曲线重构[J]. 石油地球物理勘探, 2020, 55(3): 510-520. |
[3] |
孙宇航, 刘洋. 利用GRU神经网络预测横波速度[J]. 石油地球物理勘探, 2020, 55(3): 484-492,503. |
[4] |
李海山, 陈德武, 吴杰, 常德宽. 叠前随机噪声深度残差网络压制方法[J]. 石油地球物理勘探, 2020, 55(3): 493-503. |
[5] |
姜晓宇, 张研, 甘利灯, 宋涛, 杜文辉, 周晓越. 花岗岩潜山裂缝地震预测技术[J]. 石油地球物理勘探, 2020, 55(3): 694-704. |
[6] |
金昌昆, 王延光, 尚新民, 崔庆辉, 王东凯. 微测井与方位加权插值精细近地表速度建模技术[J]. 石油地球物理勘探, 2020, 55(2): 257-265. |
[7] |
杨森, 吴国忱, 张明振, 杜泽源, 单俊臻, 梁展源. 基于稀疏表示的增维叠前地震反演方法[J]. 石油地球物理勘探, 2020, 55(2): 398-410. |
[8] |
高阳, 张文萍, 孙学栋, 周在华, 张宝权, 白军. 长沙岭转换带构造演化特征及其与油气的关系[J]. 石油地球物理勘探, 2020, 55(2): 426-434. |
[9] |
孟大江, 文鹏飞, 张如伟, 赵斌, 李延. 天然气水合物横波速度等效介质模型预测方法[J]. 石油地球物理勘探, 2020, 55(1): 117-125. |
[10] |
黎孝璋, 邓勇, 赫建伟, 任婷, 顾汉明. 复杂海底自由表面多次波预测方法[J]. 石油地球物理勘探, 2020, 55(1): 64-70. |
[11] |
曹晓莉, 刘斌, 王淑荣, 万学娟, 张廷廷, 张海新. 综合动量法和可变学习速度的BP神经网络地震初至拾取[J]. 石油地球物理勘探, 2020, 55(1): 71-79. |
[12] |
王延光, 李皓, 李国发, 刘立彬, 曹国明, 张会卿. 一种用于薄层和薄互层砂体厚度估算的复合地震属性[J]. 石油地球物理勘探, 2020, 55(1): 153-160. |
[13] |
何健, 文晓涛, 聂文亮, 李雷豪, 杨吉鑫. 利用随机森林算法预测裂缝发育带[J]. 石油地球物理勘探, 2020, 55(1): 161-166. |
[14] |
郭同翠, 姜明军, 纪迎章, 王红军, 马文骥, 孔祥文. 叠前地质统计学反演在页岩甜点和薄夹层预测中的应用——以西加拿大盆地W区块为例[J]. 石油地球物理勘探, 2020, 55(1): 167-175. |
[15] |
司兆伟, 邓少贵, 林发武, 袁习勇, 李海涛, 田超国. 泥浆侵入各向异性地层阵列侧向测井响应数值模拟[J]. 石油地球物理勘探, 2020, 55(1): 187-196. |
|
|
|