耐高温隔热保温涂料给工业经济添彩.docxVIP

2344 当 代 化 工 2 0 1 5 年 1 0 月 281~3294m, 总长13m, 决策树模型识别岩性错误 的岩心长度为0.97m, 正确率为92.5%,量子神经 网络模型识别岩性错误的岩心长度为1.27m, 正确 率为90.2%。这说明所建立的决策树模型和量子神 经网络模型对D 凹陷沙四段致密油储层岩性识别均 有很好的效果，可以用于该区块的岩性识别。 4 结 论 (1)识别 D 凹陷沙四段致密油储层油页岩、 粉砂岩和泥质云岩最明显的测井响应为声波时差、 密度和自然伽马。此外，这三组岩性在补偿中子和 电阻率测井响应上也有一定程度的区分。 (2)通过对比分析建立的三种岩性识别模型发 现，基于数据挖掘方法的决策树模型和量子神经网 络模型均能很好地识别致密油储层的复杂岩性，而 传统的测井响应交会图法识别准确率低。 (3)利用建立的决策树模型和量子神经网络模 型对取心层段进行岩性识别，正确率均大于90%, 表明所建立的两种模型均可以很好的用于该区块致 密油储层的岩性识别。 参考文献： [1] M Wollf. Faciolog-automatie electrofacies determination[CJ/The S PWLA 23rd Annual Logging Symposium,Gorpus Christi, Texas, USA,July 6-9,1982.