基于神经网络的分段物性解释技术3 - 断块油气田.pdf

断 块 油 气 田 第 12卷第 3期　　　　　　　　　　　　　　　　FAULTBLOCK O IL GAS F IELD 　　　　　　　　　　　　　　　　2005 年 5 月 基于神经网络的分段物性解释技术 1, 2 2 2 2 尹太举 　王寿平 　陈　昊 　李中超 ( 1. 长江大学地球科学学院剩余资源研究组　2. 中原油田分公司勘探开发研究院 ) 　　摘 　要 　依据储层物性分布的自然分段特征 ,通过测井曲线的区域化校正 ,采用神经网络 算法 ,建立了不同物性段的储层物性解释模型。以区域稳定分布的厚砂层为标准 ,通过多元回 归的方式 ,对测井曲线的区域化变化进行估算 ,并对测量误差进行校正。以孔隙度的 2 个次总 体为对象进行分段 ,建立了神经网络解释模型 ,在初次解释的基础上 ,进行储层的物性的分段 精细解释 ,提高了解释的精确性。 关键词 　测井解释 　分段 　区域校正 　神经网络 　渗透率 引言 测井数据标准化实质上是依据同一油田同一 层段往往具有相似的地质 地球物理特性分布规 　　单井物性解释的方法较多 ,基本上可归为 2 律 ,对油田各井的测井数据进行整体分析 ,校正刻 类 :理论模型类和经验参数类。理论模型类以物 度的不精确性 ,使测井资料在同一油田范围内具 理模型为基础 ,通过严格的理论推导 ,建立物性参 有连续性和可比性 ,具有统一刻度 ,达到全油田测 数与测井曲线之间的数学方程 ,用实验或其它的 井资料的标准化。 方法 ,求取数学模型中的待定参数 ,从而求取物性 一般选择目的层井段内或其附近、厚度大于 参数值 [ 1, 2 ] 。经验参数法通过对研究区的测井曲 5 m、岩性均一、平面分布稳定、不受含油气影响的 线值与实测物性参数进行对比 ,建立物性参数的 致密石灰岩、较纯的泥岩或孔隙度分布稳定的砂 回归模型 ,通过回归方程求取单井参数值 ,该方法 岩等建立标准化模型 ,采用趋势面分析法或其它 简单实用 ,在油藏描述中多采用此类方法 [ 3 ] 。作 方法 ,对测井数据进行校正。 为一种非线性的回归方法 ,神经网络算法对各种 本研究采用趋势面分析法进行校正。趋势面 参数之间的相关关系具有较好的反映 ,常用于预 分析的原理和方法多有论述 ,在此以声波时差的 测各种地质参数的分布 [ 4～6 ] 。然而回归过程对于 校正为例进行简要叙述 ,具体校正步骤如下 : 1. 1　校正值的求取 储层的差异性具有较大的均一化 ,使得解释结果 由于研究层段为辫状河三角洲沉积,泥岩并 与实际值常具有较大差异。为了避免这种均一化 不特别稳定 ,且泥岩段的声波时差值跳跃性较大 , 所带来的误差 ,进行分段分区解释是一种有效的 [ 7 ] 不适于作为校正的标准层。而该区东营组底部砂 方法 。同时为了得到准确的单井物性参数值 , 岩分布稳定 ,厚度及电性特征变化较小 ,故而研究 对不同时期测井曲线之间的系统误差也必须进行 中选取该砂层进行校正。通过对研究区及邻区 校正。因此 ,提出了在测井曲线区域化校正基础 上应用 BP算