基于神经网络模型的生物扰动碳酸盐岩储集层识别与孔隙度预测——以塔里木盆地塔河油田奥陶系生物扰动碳酸盐岩储集层为例

扫码查看

原文链接

国家科技期刊平台
NETL
NSTL
万方数据

中文摘要：塔里木盆地塔河油田奥陶系生物扰动碳酸盐岩储集层非常发育,但利用常规测井数据识别生物扰动储集层发育段和准确预测孔隙度难度较大.本文在对研究区16口取芯井奥陶系岩芯上生物扰动区域扰动等级划分的基础上,通过岩性标定测井,优选常规测井参数,基于BP神经网络模型分别建立了适合研究区生物扰动碳酸盐岩储集层识别和孔隙度预测的模型,并对建立的模型进行了有效性检验.结果表明:① 选择自然电位、自然伽马、井径、深侧向电阻率、浅侧向电阻率、补偿中子和密度等常规测井数据作为生物扰动碳酸盐岩储集层识别模型输入层的参数值,生物扰动指数(Bioturbation Index, BI)作为输出结果;选取rprop、sigmoid symmetric和sigmoid stepwise函数分别作为训练函数、隐含层和输出层的激活函数,建立节点数为3、层数为3的神经网络识别模型,识别效果好,适用于研究区奥陶系生物扰动碳酸盐岩储集层的识别.② 选择自然电位、自然伽马、井径、声波、补偿中子和密度值等常规测井数据作为输入层的参数值,对应深度上岩芯柱塞孔隙度测试结果和利用孔隙度样品检验模型计算得出的孔隙度结果作为输出结果,选取incremental、gaussian和sigmoid分别作为训练函数、隐含层和输出层的激活函数,建立节点数为4,层数为3的生物扰动碳酸盐岩储集层孔隙度预测模型,预测效果良好,适用于研究区奥陶系生物扰动储集层孔隙度的预测.该研究对定量表征研究区生物扰动储层特性、储量估算、油藏描述和储层地质建模等具有重要的借鉴意义.

外文标题：Identification of the bioturbated carbonate reservoir and their porosity prediction based on conventional well logging data using artificial neural networks——Take the Ordovician bioturbated carbonate reservoir in Tahe oilfield,Tarim Basin, as an example

作者：

牛永斌、赵佳如、钟建华、王敏、徐资璐、程梦园

展开 >

作者单位：

河南理工大学资源环境学院,河南焦作,454003

中国石油大学(华东)地球科学与技术学院,山东青岛,266580

中国石化胜利油田分公司勘探开发研究院,山东东营,257015

关键词：

生物扰动碳酸盐岩储层神经网络孔隙度预测塔里木盆地塔河油田

基金：

国家自然科学基金资助项目国家自然科学基金资助项目国家重点研究发展计划国家重点研究发展计划国家油气重大科技专项国家油气重大科技专项河南省自然科学基金资助项目

项目编号：

4147210441102076973计划2011CB2010012011ZX05014-002-0022008ZX05014-002-002202300410185

出版年：

2021

DOI：

10.16509/j.georeview.2021.08.061

地质论评

中国地质学会

地质论评

CSTPCDCSCD北大核心

影响因子：1.842

ISSN：0371-5736

年,卷(期)：2021.67(6)

被引量2
参考文献量38