神经网络模式识别技术在井间储层参数预测中的应用

用地震资料和少量测井资料预测储层参数的横向变化,是储层评价和油气勘探开发的重要研究课题。地震资料中蕴含着丰富的储层物性信息,若能建立起地震参数与储层物性参数之间的关系,则可利用地震资料进行储层参数的横向预测。文中提出了一种神经网络模式识别方法,用地震反射资料进行井间储层参数预测。应用结果表明,用网络法对井间孔隙度做出的估算值是准确的,用网络自动建立起来的非线性映射关系可能较好地反映井间孔隙度的分布     

应用地震资料计算锦州9-3油田储层储量的方法

以往油藏地质人员计算储层的储量，对于储层的物性参数不仅利用井中资料，井间资料只有通过井内插得到，没有很好地把地震资料利用起来，在制图及计算中花费大量时间．鉴于此种情况，通过人机联作绘制了一系列复合参数交会图，经多元统计分析后建立地震参数与储层参数间的数学关系．从而利用地震资料将井孔附近的储层参数扩展到整个油田，并提出计算储层储量的方法．     

基于神经网络模型的井间参数预测方法

目的研究储层精细评价技术中的储层参数井间预测方法。方法基于人工神经网络模型,结合油藏微相研究成果,采用井位和微相信息作为神经网络的输入信息,采用神经网络模型对储层参数进行空间预测。结果利用空间分散井位点的孔隙度资料和地区沉积微相信息,对孤岛油田渤21断块油藏进行井间孔隙度内插预测,其井间参数的预测精度得到明显提高,为油藏建模提供了可靠的基础。结论基于神经网络模型的井间参数预测方法,可以为储层精细评价提供高质量的油藏地质模型。     

古潜山裂缝性油藏储层参数横向预测

对古潜山裂缝性复杂岩性油藏,任何单一的方法均不能对裂缝作出总体特征描述。将测井资料与地震资料相结合,充分发挥测井资料纵向分辨率高、地震资料横向分辨率高的优点,提出了一套古潜山裂缝识别和储层参数预测的方法。在单井测井资料精细分析和解释的基础上,通过测井与井旁地震资料精细标定、地震属性提取、归一化处理和优选,建立了地震属性与储层参数之间的关系,实现在井约束条件下的地震属性参数向储层参数的空间分布预测。该研究成果已在胜利油田数十口井中进行了推广应用,其有效孔隙度、次生孔隙度、泥质含量预测结果与测井解释结果吻合较好,两者误差相当小,取得了良好的应用效果。     

古潜山裂缝性油藏储层参数横向预测

对古潜山裂缝性复杂岩性油藏，任何单一的方法均不能对裂缝作出总体特征描述。将测井资料与地震资料相结合，充分发挥测井资料纵向分辨率高、地震资料横向分辨率高的优点，提出了一套古潜山裂缝识别和储层参数预测的方法。在单井测井资料精细分析和解释的基础上，通过测井与井旁地震资料精细标定、地震属性提取、归一化处理和优选，建立了地震属性与储层参数之间的关系，实现在井约束条件下的地震属性参数向储层参数的空间分布预测。该研究成果已在胜利油田数十口井中进行了推广应用，其有效孔隙度、次生孔隙度、泥质含量预测结果与测井解释结果吻合较好，两者误差相当小，取得了良好的应用效果。     

川东南嘉陵江组储层地质特征及储层预测研究

针对川东南地区嘉陵江组储层横向变化大、非均质性强、勘探难度较大的特点,以嘉陵江组一段为例,在地层对比、储层微观孔隙结构、储层物性特征研究的基础上,开展波阻抗反演工作,并结合储层的地质特征和地球物理响应特〖JP〗征确定波阻抗反演结果解释方案,进行储层解释,预测有利储层的平面展布特征。依据储层地质特征研究成果,优选相关地震属性,采用多元回归的方法建立地震属性与储层孔隙度的关系,预测储层孔隙度平面展布。最后综合地质、储层预测、孔隙度预测的结果提出有利勘探目标区。结果表明,该套方法比较适合对研究区的地质解释,效果良好。     

随机地震反演在岩性油气藏储层预测中的应用

随机反演突破了地震频带宽度的限制,可获得高分辨率的地层波阻抗资料,具有纵向分辨率较高且不完全受井分布控制等优点。随机地震反演不仅可以获得高分辨率波阻抗资料,还可以得到伽玛、孔隙度等储层物性参数,具有更直接的岩石物理意义。实例应用表明,利用该方法得到的反演结果精度更高,储层预测效果更好。     

综合利用岩芯、测井、地震资料预测孔隙度

综合利用岩芯、测井、地震资料预测储层孔隙度，首先是利用分辨率高的测井、岩芯资料建立关系模式，然后利用地震层速度计算孔隙度。在远离钻井的地区，也能确定孔隙度的分布情况。文章还介绍了该方法在三个地区的实际应用。     

多岩性信息融合在砂泥岩孔隙度预测中的应用

储层孔隙度是表征储油物性、建立各类地质模型的重要参数。支持向量回归机(SVR)凭借良好的非线性回归能力,在孔隙度预测中开始广泛应用。由于不同岩性的储层孔隙类型不同,孔隙度结构也存在较大差异,导致该方法的实际应用效果仍不理想。针对上述问题,在孔隙度预测模型中考虑了岩性信息,将样本岩性转化为一种与岩性变化相关性好的属性值,以此构造一种新的预测模型。使用网格粗选和网格精选相结合的方法,优选模型参数。网格粗选确定最优解的近似范围,网格精选可以在局部区间搜索到最优解。结果表明:利用优选参数建立的预测模型,在实际资料预测结果中,加入岩性信息可以提高储层孔隙度的预测精度,该方法可行。     

安塞油田长2段储层四性关系及有效厚度下限确定

为提高鄂尔多斯盆地安塞油田长2段有利区域预测精度,结合该区域目前地震资料品质较差,测井资料较为丰富,利用岩心分析及测井成果,分别从岩性、物性、电性和含油性四个方面分析了长2段储层的特点.结果表明,长2段储层为低孔、低渗储层,油气的富集受储层岩性和物性的影响.选取声波时差、岩心分析等资料建立岩心、物性、含油性测井解释模型,并将测井解释孔隙度、渗透率与岩心分析对比,解释成果吻合度较好,即建立的模型能适用于长2段分析.最后确定长2段储层有效厚度下限标准:物性下限孔隙度为12%,电性下限电阻率为12Ω·m,渗透率为1×10~(-3)μm~2,声波时差为243μs/m.     

非线性方法在储层参数平面分布预测中的应用

根据神经网络、非参数回归等非线性方法的基本原理 ,对储层参数平面分布进行了预测。结果表明 ,神经网络方法能够根据井点储层参数观测数据与井旁道地震属性之间的内在联系 ,通过自学习功能 ,建立起储层参数与地震属性间较为复杂的关系 ,适应性很强。但该方法对井点储层参数及地震属性的质量要求较高 ;而非参数回归方法不必事先知道储层参数和地震属性之间的关系 ,可以避免由于模型假设与实际情况的偏差而产生的错误预测。该模型包罗广 ,适用面宽 ,能够有效地反映地震属性与储层参数间较为复杂的关系 ,在油气预测以及油藏描述中将会有广阔的应用前景。     

神经网络在CB油田储层预测和储层厚度计算中的应用

根据ＣＢ油田的特点提出了利用神经网络进行储层预测和计算地层厚度的方法。将传统的储层预测方法与人工神经网络相结合，能较好地解决ＣＢ油田的储层预测问题。利用神经网络的非线性映射特点实现了地震特征与地层厚度之间的映射，从而可以准确地求取地层厚度。用该方法设计了２口探井，实际钻井结果表明，这种方法的预测结果准确、可靠。     

罗151井区火成岩储层的地震信息研究

根据沾化凹陷南部罗 15 1井区的火成岩储层特点 ,提出了适合该区的信息评价方法。利用测井和垂直地震剖面 (VSP)资料对地震剖面进行联合标定 ,可以准确地标定出火成岩的顶、底地震反射层。根据测井和地质资料 ,选择了对火成岩储层反映敏感的有效地震属性 ,并利用神经网络储层预测技术预测了本区火成岩储层空间的分布形态。资料对比表明 ,本区火成岩储层的有利分布范围在构造高点附近 ,并受构造运动的张应力的影响 ,在断裂带附近还可以形成裂隙储层     

砂泥岩地层概率神经网络岩性反演技术应用研究

概率神经网络是一种基于概率密度函数理论的神经网络,能够广泛地应用于模式识别等领域.针对地震岩性反演预测问题,提出了一种具体的概率神经网络方法,包括网络模型的构造和预测识别步骤等.研究区主要目的层为沙溪庙组沙一段湖滩砂及河道砂体,储层单层厚度小,岩性横向变化较大,利用地震资料进行常规储层预测较困难.为此,根据该区储层的测井响应特征、地震属性特征与地质岩性特征的相关性,利用概率神经网络方法对地震属性数据做变换,从而对地层特征进行预测识别.     

用人工神经网络法预测气－水边界

文章研究了在构造复杂地区（如高陡构造带、断层发育等），地震记录上储层的信噪比低的情况下，用人工神经网络方法预测气水边界。对影响预测效果的某些因素作了试验，其中包括地震特征参数的选择、计算时窗大小、数据圆滑方式、学习样本与预测区域的选择等。文中还给出了已知剖面的预测结果，并被钻井证实是成功的。     

概率神经网络技术在地震岩性反演中应用

针对研究区目的储层单层厚度小和储层岩性横向变化较大情况,为了解决利用地震资料进行常规储层预测反演较困难问题,采用概率神经网络方法,讨论了网络模型的构造和预测识别等步骤。根据该区储层的测井响应特征、地震属性特征与地质岩性特征的相关性,利用概率神经网络方法对地层特征进行预测识别,研究结果表明:在实际资料处理中取得了好的应用效果。研究成果对油田勘探开发具有一定的指导意义。     

神经网络方法确定玛北油田岩性油藏含油边界

用常规方法确定岩性油藏含油边界需要一定的井孔资料,导致勘探成本较高,为此引入神经网络方法。先对地震资料进行解释,提取地震特性参数,与已知井的试油结果一起组成神经网络的学习样本集,经训练并绘制测线剖面或平面图,最终确定出含油边界。应用该方法对准噶尔盆地玛北油田二叠系乌尔禾组和三叠系百口泉组油藏进行了含油边界的确定,结果表明,用该方法可以直观地在剖面图上确定油藏的含油边界,这样确定的含油边界能够满足储量计算的要求,且该方法较传统方法有很大的优越性。     

神经网络方法确定玛北油田岩性油藏含油边界

用常规方法确定岩性油藏含油边界需要一定的井孔资料，导致勘探成本较高，为此引入神经网络方法。先对地震资料进行解释，提取地震特性参数，与已知井的试油结果一起组成神经网络的学习样本集，经训练并绘制测线剖面或平面图，最终确定出含油边界。应用该方法对准噶尔盆地玛北油田二叠系乌尔禾组和三叠系百口泉组油藏进行了含油边界的确定，结果表明，用该方法可以直观地在剖面图上确定油藏的含油边界，这样确定的含油边界能够满足储量计算的要求，且该方法较传统方法有很大的优越性。     

用多层前馈网络进行三维储层参数反演的方法

地震反演的主要任务是依据地震资料并综合利用地质、测井等资料得到地下地层的详细信息。三维地震反演需要处理庞大的地震数据体 ,同时在反演过程中既要考虑模型和测井的约束 ,又要考虑地震在横向上的连续性。将地震反演看作是地震数据到储层参数的模糊映射 ,并利用神经网络建立了这种映射关系。针对网络收敛速度慢、学习时间长等缺陷 ,提出了一种学习率自适应调整算法。该算法使每个权都有自己的学习率 ,使网络的训练速度大幅度提高。利用该方法进行地震反演 ,抛开了褶积模型的限制 ,也无须已知地震子波。外推过程是在三维空间内进行的 ,所得的储层参数数据体保持了横向上合理自然的连续性。对该数据体进行三维可视化解释 ,可以直接描述储层的空间展布。