应用人工神经网络模型识别白云岩类型.pdfVIP

第 21卷 筇3期 录 井 工 程 ·5 · ·工艺技术 · 应用人工神经网络模型识别 白云岩类型 邓 辉①② 王春辉① 陈泽新③ 支丽菊① (t长城 钻探，12程公 司录井公 司；② 石油大学 (华 东)；⑧长城钻探 工程公 司工程技术鄯 长庆分 郭) 邓辉 ，王春辉 ，陈泽新 ，支丽菊．应用人工神经 网络模 型识别 白云岩类型．录井工程 ，20]0，21(3)：5～8 摘 要 显微镜下观察岩石结构结 地层岩 石沉积背景 的地质知识作 出人为判断是地层岩性 的常规识别方法。 针对该方法 需要专业技术性强 、镜下观察能力高 、识别结果爱人为 因素影响大的不利 因素 。以羌塘盆地 白云岩类型 派别 曲纠，提 出了一种简单、快速、有效的识别方法 一 人工神经网络识别法。在概进入工神经网络模型、简介 BI 冲经网络模型拓扑结构及其训练算法 的基础上 ，阐述 了建立识别 白云岩类型 的神经 网络模 型的训练过程与注意事 项。应用结果表 明，谚 型性能 良好 、有效可行 ，准确率高，可作为毛塘盆地识别 白云岩蔗型 的一种有效方法 ；同 时，对于地层岩性识别研究 向人工智能化方 向发展具有 引导作用。 关键词 岩性 识别 冲经 网络 模 型 训练尊法 注意事项 0 引 言 1 人工神经网络模型 羌塘盆地地处藏北 高原 ，面积约 16×10 km。。 1．1 综 述 研究发现 ，羌塘盆地侏 罗系中统和上统下部广泛发 人工神经网络模型 (ArtificalNeuralNetwork， 育 的白云岩构成 了该盆地最具潜力油气储集层 口]， 简称 ANN)可以概括为由大量简单 的高度互连的元 这些白云岩按其成 因类型与岩矿特征可分为两类 ， 素组成 的复杂 网络系统 ]，是一种模仿大脑皮层 的 即I型和 Ⅱ型白云岩 ]。I型白云岩是在蒸发条件 层状结构而建立的一套并行结构信息处理系统。 目 下 由毛细管浓缩作用而形成 ，故与膏岩层关系密切 ， 前 ，出现的人工神经网络模型主要可以概括为 3类 ， 形成之后基本无明显后期改造 ，因而在储集物性上 分别为 自组织映射 网络 (se1forganizing—MapNet～ 保持了原始 的低孔 隙度和低渗透率特征 ，构成 了羌 work)、前馈式网络 (FeedforwardNetwork)和反馈 塘盆地的 Ⅱ一Ⅲ级油气储集层 ；Ⅱ型 白云岩则是在海 式网络 (FeedbackNetwork)。前馈 式神经 网络模 水与大气淡水的?昆合水作用下生成 ，因而与膏岩层 型通常称 为 BP神经 网络 (Back—PropagationNet～ 无关 ，在形成后的晚成岩阶段——表生成岩阶段 ，经 work)模型 ，由于其具有很强 的 自组织、自适应能力 历 了明显的重结 晶、溶蚀和方解石充填交代等后期 及容错性 ，能够很好地解决诸如根据 自变量与 因变 改造作用 ，具有较好的孔渗物性 ，构成 了羌塘盆地的 量之间的关系难 以通过确切的数学形式表达的非线 工一Ⅱ级油气储集层。 性系统问题 ，如异或 (XOR)问题 、对称性判断等 J。 白云岩类型的常规识别手段是采用显微镜下结 该模型是近年来在模式识别 、系统辨识 、人工智能判 构特征的观察及结合相关沉积背景作 出人为判断 ， 断等方面应用最为广泛的神经网络模型之一。 涉及很强的专业知识及镜下观察技能 ，且不排 除人 BP神经 网络模 型 是 1985年 由美 国 MIT 的 为的主观因素影响 。因此 ，寻找一种简单、快速 、有 PDP(并行分布处理)小组提出的反 向传播模型，它 效识别羌塘盆地 白云岩类型 的方法 ，无疑对羌塘盆 由输入层、隐蔽层 (若干)、输 出层组成，其拓扑结构 地油气储集层的勘探及评价具有重要指导意义