基于主成分分析法的N油田M油组储层岩性识别

N油田M油组岩性复杂,岩石类型众多,其储层普遍含碳酸钙组分和泥质,运用常规方法识别岩性结果难以满足实际生产需要。针对这一问题,提出基于主成分分析法的岩性识别方法。首先对岩性进行归类,研究不同岩石类型的测井响应特征,优选对岩性变化反映敏感的声波时差、补偿中子等曲线,然后利用主成分分析法确定岩性,识别主成分并制作识别图版。运用该图版对研究区进行岩性识别,识别符合率达到87.5%,证明该方法的应用效果较好。     

基于实数编码的遗传神经网络水淹层综合判别

为解决油层水淹后,使用一般测井解释方法很难识别水淹层的问题,提出了一种基于实数编码的遗传BP(Back Propagation)神经网络进行水淹等级综合判别的方法.在此基础上建立的神经网络经反复训练验证,性能稳定、学习收敛速度快,同时有很强的记忆能力、推广能力和适应性.对大庆长垣7口井的资料处理表明,准确率达到87%以上,取得了很好的效果.     

基于实数编码的遗传神经网络水淹层综合判别

为解决油层水淹后 ,使用一般测井解释方法很难识别水淹层的问题 ,提出了一种基于实数编码的遗传 BP ( Back Propagation)神经网络进行水淹等级综合判别的方法。在此基础上建立的神经网络经反复训练验证 ,性能稳定、学习收敛速度快 ,同时有很强的记忆能力、推广能力和适应性。对大庆长垣 7口井的资料处理表明 ,准确率达到 87%以上 ,取得了很好的效果。