论文摘要
孔隙度是油气储层关键参数之一,对于准确评价储层物性和降低油气勘探过程中的风险具有重要的意义。孔隙度的测量通常是在钻后通过测井资料进行模型计算或统计分析,尚无随钻模型实时预测孔隙度;井下测量工具虽能实现随钻获取地层孔隙度,但租用井下仪器费用昂贵。因此,通过智能算法对随钻录井数据与地层孔隙度之间关系进行分析,建立一种有效的随钻孔隙度预测模型至关重要。本文以川西南部地区龙门山南段平落坝灌口构造区块为例,将BP神经网络方法引入到储层孔隙度预测模型中,采用Sigmod训练函数,以邻井的录井数据和指示储层物性变化的机械比能衍生数据,与对应深度的测井资料推导的孔隙度数据为神经网络标准训练样本,建立随钻数据与储层孔隙度之间的非线性关系,从而为同一区块内新井的随钻孔隙度预测提供准确有效的分析。经本文研究表明,该方法可以在同区块内进行实时准确的随钻储层评价,且所预测的储层孔隙度误差较小,具有较好的学习能力,能有效提高储层随钻解释模型的精度,为随钻储层评价提供可靠的地质参数。
论文目录
文章来源
类型: 国际会议
作者: 王钧泽,尹虎,李黔
关键词: 随钻录井,孔隙度,神经网络,机械比能
来源: 2019油气田勘探与开发国际会议 2019-10-16
年度: 2019
分类: 基础科学,工程科技Ⅰ辑
专业: 地质学,石油天然气工业
单位: 西南石油大学石油与天然气工程学院
分类号: P618.13
DOI: 10.26914/c.cnkihy.2019.050519
页码: 2932-2941
总页数: 10
文件大小: 2097k
下载量: 17