神经网络模拟交会图在H油田低阻油层流体识别中的应用.pdfVIP

石 油 地 质 与 工 程 2011年 1月 PETROLEUM GEOLOGYANDENGINEERING 第 25卷 第 1期 文章编号 ：1673—8217(2011)01—0039—02 神经网络模拟交会 图在 H油 田 低阻油层流体识别 中的应用 梁丽梅 ，喻高明 ，黎 明 ，杨 欢 (1．长江大学石油工程学院，湖北荆州 434023；2．中国海洋大学) 摘要：在 H油田含油层 系中，低阻油层与高阻水层并存，储层的岩性和孔隙结构复杂多变，粘土矿物普遍存在，在 电 性上直接 区分油水层 比较 困难 ，常规测井解释符合率较低 。本次研究以BP神经网络为基础 ，设计 出一种神经网络 模拟交会 图版 ，用于开发 中、后期油层的流体识别 。对 H 油田的储层流体性质及类型进行识别 ，获得 了较高的识别 率 ，为复杂地层 以及其它一些特殊情况下的测井解释和流体识别提供 了一条切 实可行的新途径 。 关键词 ：BP神经网络 ；低阻油层；流体识剐 中图分类号：P631．842 文献标识码 ：A 储层中流体性质的准确识别是新井试油、老井 深感应 电阻率 (RILD)和 中感应 电阻率测井 曲线 挖潜 ，提高油气开发效益的基础。但在复杂油气藏 (RILM)。这 6条 曲线基本上可 以反映储层岩性、 尤其是低阻油藏 中，油水分布十分复杂，加上岩性、 电性特征 ，对它们进行合理组合 ，使神经网络模型有 地层水及成岩后生变化的影响，使得测井曲线复杂 更有效的识别效果。在选定的6条 曲线中，由于其 多变 ，很难准确地划分油 、水层 ，使试油成功率低 ，造 量纲不一致，数值大小及变化也不统一，所以在神经 成了很大的经济损失。 网络训练之前必须对测井 曲线归一化_2]，使各条 曲 H油 田地区断裂系统复杂 ，小断层 、微构造多， 线数值在 0～1之间。 致使油藏构造幅度低、非均质性强、多种流体共存 ， 试油资料对应的流体类型是神经网络训练中的 油藏类型多样 、控制 因素复杂。多年 的勘探开发实 目标向量 ，资料的好坏直接影响到处理结果 ，选用资 践表明，该油田内分布有规模不等 的低 阻油层 ，油水 料来 自于H油 田试油数据资料。考虑到测井值与 层识别较为困难 ，给利用常规测井解释手段评价油 分析数据的相关性，必须对所有分析数据进行仔细 水层的工作带来 了较大困难 。为了提高测井解释精 筛选 ，并对试油资料对应的流体类型做数字化处理， 度 ，加深对特殊储层 的认识 ，本文在分析低阻储层特 使其与输入向量 (即测井 曲线)有较好的对应关系。 征和整理大量准确试油资料的前提下，尝试利用建 1．2 网络结构参数的选择 立的神经网络模拟交会图对研究区的储层流体性质 BP神经网络是多层次结构网络，输入层对应测 进行分类 ，在此基础上对低阻油层进行识别_[1]。 井 曲线 ，输出层对应流体类型，而中间层没有统一 的 标准选定 ，当各节点均采用S型压缩函数时，一个 中 1 模拟交会图法流体识别基本步骤 间层就可以实现任意判决分类问题。通过多次、反 利用 BP神经网络技术识别流体类型的关键是 复的测试 ，选择 200个 隐含层节点构成预测储层参 数的网络模型拓扑结构来进行训练 ，自适应地修改 选择高质量的测井曲线、生产资料及网络结构参数 。 权值 ，以使其输入值与期望值之 间的总平方误差