小波神经网络在隔夹层研究中的应用.pdfVIP

学兔兔 石油天然气学报 (江汉石油学院学报) 2009年8月 第3】卷 第4期 Journal of Oil and Gas Technology(J．JPI) Aug．2009 Vo1．31 No-4 小波神经网络在隔夹层研究中的应用 瞿子易，罗 鑫，谢润成 ／成都理工大学油气藏地质及开发工程国家重点实验室，1 葛善良，牛会玲 ＼四JI J成都61 0059 ／ 杨 露 (长庆油田分公司采油三厂，宁夏银JI l 750006) [摘要]在碳酸盐岩储层中，隔夹层的稳定程度直接影响储层的垂向连通性、压力系统和油水关系、细分 调整时的层系划分以及所要采取的技术措施。因此，隔夹层识别对储层非均质研究具有重要意义。研究 以DALEEL油田为例，在综合考虑孔渗等物性参数和测井资料的基础上，引入小波神经网络对测井参数 进行建模，对100个样本数据进行训练，36个预测样本进行识别，识别正确率为94．4 。还采用了BP 神经网络和多元统计方法对样本数据进行识别研究，识别正确率分别为8O．6 和 69．4 。结果表明小波 神经网络模型对隔夹层的识别效果较好，为储层非均质研究提供了可靠的依据。 [关键词]碳酸盐岩储层；隔夹层识删；小波神经网络 [中图分类号]P631．84 [文献标识码]A [文章编号]1000—9752(2009)04—0265—04 在碳酸盐岩储层中发育的非渗透性隔层主要由泥质含量较高的致密层和构造裂缝不发育的纯岩性致 密层组成。隔夹层的稳定程度直接影响储层的垂向连通性、压力系统和油水关系、细分调整时的层系划 分以及所要采取的技术措施。因此，隔夹层识别对储层内非均质研究具有重要意义[1 ]。目前，用于隔 夹层识别的方法有岩性特征分析法、电性特征分析法和测井分析法等，这些方法都是定性的研究方法， 定量识别隔夹层的方法较少。针对上述问题，本研究将具有非线性映射的神经网络与具有函数逼近的小 波分析相结合，构造出小波神经网络识别模型，尝试用小波神经网络对碳酸盐岩储中反映隔夹层的测井 响应参数进行建立识别模型，该模型与传统的神经网络相比，具有小波算法快速逼近，高精度等优点。 笔者用建立的模型对DALEEL油田研究区块进行隔夹层的识别，识别结果与实际情况相符。 1 小波神经网络原理 小波神经网络WNN(Wavelet Neural Networks)是在小波分析和神经网络基础上提出的一种前馈 型网络[ 叫]。小波所具有的良好的时频局部特性，使得小波分析优于傅里叶分析。WNN是用小波函数 代替前馈神经网络的隐层节点函数，网络输入层到隐层的权值和阀值分别由小波函数的尺度参数和平移 参数代替，网络结构如下： 』 一 Yi：g( ) ∑N叫 ~03i,zj-bk ． } 一 1 L 口 J 式中，Y 为网络输出；coj,为隐含层第J个节点到第k输出层的权重；g(·)为隐含层到输出层的激励函数； ∞ (·)为小波函数；a，b分别为小波函数的伸缩和平移因子；J为输人个数；N为隐含层神经元个数。 2 应用实例与分析 2．1 参数选取 通过对研究区常规测井曲线研究，发现隔夹层的测井曲线特征表现为低阻、高声波、扩径等现象， [收稿日期]2009～05—1o [作者简介]瞿子易 (1984一)，女，2007年大学毕业，硕士，现主要从事油气藏描述方面的研究工作。 学兔兔 石油天