化遗传算法在孔隙度预测中的应用.pdfVIP

第 卷第 期 *# * 地学前缘（中国地质大学，北京） K64 = *# L6 = * 年 月 , * ,## （ ， ） 2@ = ,## )2@A9 B3:8: C@68A3:@ D9382 E83F:@3A7 6G %:63:8: H:3I38J !!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!! 优化遗传算法在孔隙度预测中的应用 罗银河， 刘江平， 肖长安 （中国地质大学 地球物理系，湖北 武汉 !##$! ） 摘 要：孔隙度是油藏描述和储量计算最重要的参数之一。因此，高精度的孔隙度预测是建立储层地 质模型的关键。文中应用优化的遗传算法———演化程序，利用岩芯样品的孔隙度和测井数据建立合 适的预测模型，应用声波、密度、自然伽马和自然电位测井数据进行储层孔隙度预测。预测结果表明： 与线性回归和灰色 （，）等传统的预测方法相比，应用演化程序进行孔隙度预测，提高了预测结果 % # ’ 的精度，减轻了预测过程中对先验信息的依赖程度。 关键词：孔隙度；演化程序；岩芯样品；测井数据 中图分类号： 文献标识码： 文章编号： （ ） ()*’ + *##’ ,,* ,## #* #,* #- 储层孔隙度是表征储层特性、描述流体模式和建 索、不用求导与效率较高等诸多优点。但由于在实际 立储层地质模型最重要的参数之一。因此，建立合适 应用中搜索的时间和空间有限，容易搜索到局部极 ［ ］ 的预测模型，根据测井数据准确预测储层孔隙度，是 值、导致“早熟”现象*’ 。文献［ ］对此进行了研究： *- 进行地层解释和降低采油工程风险的基础和关键。 提出了将遗传算法的目标函数和种群规模优化的演 在过去的几十年里，地球物理工作者对此进行了卓有 化方法。该方法为我们提供了一种解决问题的途径： ［ ］ * ? ’ 成效的研究 。 寻找适合于孔隙度预测本身的遗传算法。基于此，本 地球物理测井资料携带有岩石的原位测试条件， 文应用优化的遗传算法———演化程序进行孔隙度预 利用地球物理测井数据反演孔隙度较之实验室测试 测。 孔隙度，提供了更加准确的储层信息。目前，利用测 井数据预测孔隙度的方法大体分为两类：反演法和经 * 应用演化程序进行孔隙度预测的基 验公式法。前者以井孔约束反演为代表，后者中应用 本原理 较多的是时间 平均方程及其变种。两种方法都要求 数量不等的先验参数，这些先验参数或是凭经验给 ! = ! 演化程序 出，或是采取其他方法估计，这样得出的孔隙度误差 遗传算法是模拟自然界生物进化机制，求解极值 ［ ］ - ? . 较大 。 问题的一类自组织、自适应人工智能技术。演化程序 从岩石地球物理学的角度来看，储层参数和测井 是优化的遗传算法和数据编码相结合的产物。它们