神经网络方法在油田储层孔隙度预测中的应用.pdfVIP

—砥 华南青年地学学术研讨会论文集．2006，299—301 SouthChinaYouthGeoscience ◆日挂辣 Symposium 神经网络方法在油田储层孔隙度预测中的应用 周莉莉1，李操2，韦龙明2 (1．桂林工学院资源与环境工程系，广西桂林541004；2．大庆油田有限责任公司勘探开发研究院，黑龙江大庆163712) 摘要：储层参数预测对油田勘探具有重要意义。文章以三维地震属性资料为基础，采用主成分 变换优化法对海拉尔盆地某油田的11种地震属性进行标准化、主成分变换，计算结果说明，只需 其中4种主成分用于储层预测。利用神经网络方法建立这4种主成分与储层孔隙度的关系，对储 层孔隙度进行预测，预测结果与测井资料吻合度较好，说明利用神经网络方法在油田储层预测中 具有重要的实用价值。 关键词：孔隙度；储层预测；人工神经网络；地震属性 在油田勘探开发过程中，常规地震方法纵向 为有效的解决方法。因而，可以应用神经网络方 分辨率低，使得如何准确预测储层参数一直是困 法，建立多种属性与储层参数(如孔隙度)之间 扰油田工程技术人员的难题。国内外许多研究人 复杂的非线性关系。 员对此进行了深入的研究，得出了许多储层参数 1．1 人工神经网络结构 预测方法，并在油田勘探开发中应用，取得了一 人工神经网络的基本处理单元称为节点，其 定的效果H-3]。由于不同油田情况各异，有些方每个节点只与邻层节点相连，同一层节点不相连。 法在不同地区的实际应用中并不能取得较为满意 相邻层节点间通过可变权肜相连，每个节点对所 的效果。本文从地震属性出发，采用主成分变换 输入的信号加权求和，作为该神经元的总输入S， 优化法对地震属性进行优化后，利用神经网络方 s与其阈值0作差后通过一个非线性函数，(激活 法建立地震属性与储层孔隙度关系，对储层孔隙 函数)输出结果0。 度进行预测。 S=∑％Ok (1) 1 人工神经网络的理论基础 D，=八Sf一谚) (2) 1．2 误差反传播算法 地震属性是反映地下储层参数信息的载体， 多层感知器人工神经网络具有独特的学习算 它可以从不同角度反映储层的特性，由于属性与 法，该学习算法就是著名的BP算法，所以多层感知 储层参数之间关系复杂，因此很难找出它们之间 器常常被称为BP网络。误差反传播算法(BP算法) 具体的函数关系。人工神经网络是由大量处理单 利用梯度下降技术使实际输出Y(。)与期望输出d(。) 元广泛互连而成的网络，是对人脑的抽象、简化 的误差能量e㈨最小。 和模拟。反映人脑的基本特征H】。其具有强大的 e(I)=∑(％一，，∽2／2 (3) 信息处理能力，可解决许多复杂的问题，在建模、 网络学习时，开始取一小的随机数作为网络 时间序列分析、模式识别、信号处理以及控制等 方面得到广泛的应用，尤其面对缺少物理和统计 权值和内部阈值的初值，然后反复输入训练样本， 理解、观察数据中存在着统计变化、数据由非线 计算实际输出与期望输出的差值，据此调整权值， 性机制产生等棘手问题，神经网络都能够提供较 直至权值收敛，并使代价函数降至可接受值M娟J。 收稿日期：2006—04—08；修订日期：2006—05一09 作者简介：周莉莉(1982一)，女