bp神经网络在碳酸盐岩储层参数计算的应用.pptx

BP神经网络在碳酸盐岩储层参数计算的应用;一.研究目的 二.资料预处理 三.BP神经网络法预测储层参数 四.结论;; 理论层面：常规测井解释孔隙度的方法是运用线性响应方程求解，或用统计方法建立测井曲线与孔隙度之间的统计关系模型求解。面对越来越复杂的地质条件和非均质性研究对象（如碳酸盐岩）时，常规测井解释孔隙度的方法所得出的结果往往与地层的实际数值存在很大误差，无法为后期地质建模提供可靠的数据基础。; 实际操作层面：本次研究区Ｍ气田位于四川盆地川中古隆起平缓构造区的威远至龙女寺构造群，研究层段为灯二段，由于①本地区部分井段发育硅质层，使用多元线性回归方程计算出的硅质层的孔隙度、渗透率结果明显高于岩心分析值；②目前已收集的测井数据中无PE曲线及核磁共振数据，无法使用测井新技术进行储层参数解释；③本地区仅部??井段有成像测井资料，无法满足全区储层参数解释需求。 为了提高了储层参数预测精度，获得优于常规解释方法及模型的地质效果，本文采用BP神经网络法建立测井储层参数计算模型，通过给定的训练样本集，得出测井信息与储层参数之间一种非线性映射或拟合，开展研究区储层参数解释。 ;;1.岩心深度归位;2.测井曲线标准化;3.测井曲线归一化;; ; ; ; ;;BP神经网络预测孔隙度平均绝对误差为0.445％，渗透率平均相对误差为21.59％，明显低于经验模型的误差（孔隙度平均绝对误差0.6425％，渗考率平均相对误差78.34％），采用BP神经网络法，储层参数的预测精度更高。;; ;谢谢