基于混合降维Elman神经网络的砂岩储层物性参数智能计算研究.pdfVIP

第 14卷 第3期 2014年 1月 科 学 技 术 与 工 程 Vo1．14 No．3 Jan．2014 161—1815(2014)03—0024—06 ScienceTechnologyandEngineering @ 2014 Sci．Tech．Engrg． 基于混合降维Elman神经网络的砂岩 储层物性参数智能计算研究 程国建 马 微 刘 烨 魏新善 荣春龙 南琚祥 (西安石油大学计算机学院 ，西安 710065；中国石油长庆油田分公司勘探开发研究院。，西安710021) 摘 要 针对实验室测定岩石储层物性参数在实际应用中的成本问题，提 出一个基于混合降维Elman神经网络的砂岩储层 物性参数计算的智能方法。首先利用灰色关联分析对岩石薄片特征参数与其物性参数进行关联度计算，优选关联度较高的 若干参数；其次使用主成分分析对选出的特征参数二次降维，最后应用Elman神经网络寻找岩石薄片特征参数与其物性参数 之间的映射关系。选取鄂尔多斯盆地吴旗地区薛岔区块延长组储层砂岩样本的薄片鉴定与物性分析数据对方法进行测试， 实验结果表明，计算得到的孔隙度与渗透率平均相对误差分别为7．28％和6．25％，混合降维方法在收敛速度和计算精度方面 也得到提高。因此，基于混合降维Elman神经网络方法能够利用成本较低的岩石薄片相关资料快速并准确地计算砂岩储层物 性参数，具有较高的可靠性、实用性以及应用前景。 关键词 混合降维 Elman神经网络 砂岩储层 物性参数 智能计算 中图法分类号 TEl55 TP183； 文献标志码 A 油气储层是地下深处的多孔岩层，油气地下储 高温高压的条件下测试岩石物性，大量实测岩心的 集空间的特性——储层多孔介质的结构和性质决定 结果表明该方法精度较高 。高家碧等在非稳态 了油藏的赋存特点、油气的储存丰度、储量以及油气 方法研究的基础上，利用机电模拟方法测试致密岩 井的产能，也决定了油藏开发的难易程度。因此，对 石的物性参数，实验结果与理论模型一致 J。上述 于储层物性的分析与研究是储层表征、评价、保护与 各方法对实验室直接测定法进行了扩展，但其都需 改造的基础 ，能够为石油勘探、钻井、油 田开发开采 要相关的实验仪器设备才能进行，测试过程复杂、受 及提高油气采收率工作提供更多的信息与依据。储 成本限制较大。对于间接测定法来说，孔隙度等物 层物性参数中包括岩石参数中的孔隙度、渗透率以 性参数可以测量，而渗透率却难以计算。常规方法 及流体参数中的饱和度等。目前其测定方法主要有 通过实验室测量数据构建孔隙度与渗透率的经验公 两类：实验室内直接测定法；以测井等地球物理方法 式，在实际中依据孑L隙度求取渗透率，但是该方法误 为基础的问接测定法。间接测定法受多解性、采样 差较大、存在较强的不确定性。 率以及采集误差等因素影响，误差较大 ¨。而实验 人工神经网络方法具备非线性映射能力、学习 室内通过常规岩心分析法虽然能够较精确地测定岩 能力、并行处理能力和容错能力，利用人工神经网络 心的物性参数，但实验本身耗时耗力，因此利用该方 可以有效地提高储层岩石物性参数的自动化测定工 法测量储层物性受成本限制较大。 作，在这一方面已经有许多学者进行了有效的工作。 近年来许多学者对岩石储层物性参数测定进行 吴媚等分别利用 Caianiello褶积神经网络、改进的 了研究：杨明松等在低渗透油气藏岩石物性测试中 BP神经网络、模糊神经网络和遗传算法优化的神经 应用瞬时脉冲测试方法与常规稳流测试方法，测得 网络进行了高分辨率储层物性参数反演、岩石渗透 的渗透率相对误差极小 J。张开洪等在模拟地层 率预测、致密砂岩储层反演以及核磁渗透率的预测，