基于神经网络模型的井间参数预测方法.pdf

西北大学学报（自然科学版） !# 年! 月，第$# 卷第% 期，’() ，!# ，*+,) $# ，-+) % .+/012, +3 -+0456’74 819:’0794; （-24/02, =9’1=’ ?949+1 ） 基于神经网络模型的井间参数预测方法 %，! % 谭成仟 ，刘池阳 （%) 西北大学 地质学系，陕西 西安@ # %AF ；! ) 长安大学 地质工程与测绘工程学院，陕西 西安@ # %AG ） 摘要：目的@ 研究储层精细评价技术中的储层参数井间预测方法。方法@ 基于人工神经网络模型， 结合油藏微相研究成果，采用井位和微相信息作为神经网络的输入信息，采用神经网络模型对储层 参数进行空间预测。结果@ 利用空间分散井位点的孔隙度资料和地区沉积微相信息，对孤岛油田 渤!% 断块油藏进行井间孔隙度内插预测，其井间参数的预测精度得到明显提高，为油藏建模提供 了可靠的基础。结论@ 基于神经网络模型的井间参数预测方法，可以为储层精细评价提供高质量 的油藏地质模型。 关@ 键@ 词：神经网络；井间参数预测；沉积微相；孔隙度 中图分类号：H%!! I E@ @ 文献标识码：J@ @ 文章编号：%B!#E !（!# ） %BFGBE @ @ 定量准确地描述储层物性参数在三维空间分布 的地质模型，对储层预测、油田开发以及提高油田最 ! 井间参数预测的相控神经网络模型 终采收率均具有重要意义。所谓的井间参数预测， 是对井点之外地区的储层参数，进行一定精度的内 !# ! 人工神经网络模型的基本原理 插和外推预测。近年来，地质统计学中的普通克里 人工神经网络（J-- ）是对人脑部分智慧的一 格和泛克里格方法已成为井间数据内插，建立油藏 种模拟，是一种具有人类智慧的信息处理系统，具有 地质模型的重要工具［%，! ］。其优点是它严格遵守井 以下特征。 点油藏属性进行插值，得到一个在一定程度上合理 % ）具有一定的学习能力。它不像传统的预测 的地质模型，但对储层的非均质性和方向性考虑不 识别方法那样需要建立预测识别规则，而是像人脑 够［! ］。一般陆相地层的沉积均具有一定的方向性， 一样在实际工作中不断学习、逐步适应，从而掌握模 在主流线上储层物性较好，而在非主流线上储层物 式变换的内在规律，获得预测识别知识，因而这种知 ［$ ，E ］ 性较差，表现出明显的方向性，此时采用常规的井间 识是智能化的知识 。 参数预测方法，包括反距离加权平均、趋势面回归分 ! ）具有高度的容错性。容错性是根据不完全 析以及地质统计学的普通克里格和泛克里格等方 的、有错误的信息作出正确、完整结论的能力。人的 法，很难达到预期的效果。为此，本文在孤岛油田渤 大脑具有高度的容错性，大脑的容错性与大脑的分 !% 断块的油藏精细描述工作中，采用了一种基于微 布式存储的组织方式有极为密切的关系。神经网络 相研究的神经网络井间参数内插预测新方法。结果 由于采用了大脑的分布式存储方式，因而具有较好 表明，该方法由于加入了专家的先验知识和信息 的容错性，使得神经网络预测识别方法是一种智能 ［$ ，E ］ （如微相信息），所建立的油藏地质模型与生产实际 的预测识别方法 。 吻合较好，较大地提高了井间参数的预测精度，为油 神经网络的预测识别知识是在一定的神经网络 田的下一步开