延迟神经网络测井资料评价水淹层的方法及应用

doi:10.7623/syxb199704014

石油学报 ›› 1997, Vol. 18 ›› Issue (4): 76-81.DOI: 10.7623/syxb199704014

延迟神经网络测井资料评价水淹层的方法及应用

刘瑞林¹, 华运隆², 张超谟¹, 刘子云¹

1. 江汉石油学院;
2. 河南石油勘探局勘探开发研究院

收稿日期:1996-08-13 修回日期:1996-12-06 出版日期:1997-10-25 发布日期:2013-07-08
作者简介:刘瑞林,1987年毕业于云南大学物理系,1997年获同济大学海洋地质与地球物理系博士学位.现任江汉石油学院物探系副教授.通讯处:湖北省荆州市.邮政编码:434102
基金资助:
国家自然科学基金

A METHOD OF TIME-DELAY NEURAL NETWORKS FOR WELL LOG INTERPRETATION OF WATER DRIVE

Liu Ruilin¹, Hua Yunlong², Zhang Chaomo¹, Liu Ziyun¹

1. Jianghan Petroleum Institute;
2. Henan Oilfield

Received:1996-08-13 Revised:1996-12-06 Online:1997-10-25 Published:2013-07-08

摘要/Abstract

摘要： 以取心分析的孔隙度和水饱和度为基础,建立测井信息与这些地居参数之间的非线性计算关系.用这种方法进行参数解释,测井信息与油层参数之间的复杂关系不需要具体的数学物理模型描述,而只需要合适的样本集对网络进行训练来获得解释模型,避开了油层水淹后,混合水电阻率求不准的问题.不同于已有的点对点的建模方法,本方法采用延迟神经网络模型,在建模和计算过程中自动考虑了测井响应上下围岩的影响.从而较好地解决了测井资料解释中地层厚度自适应校正和地层参数计算同时进行的问题.对一个油田注水开发后期 50口井的测井资料计算表明,这种方法具有良好的效果.

关键词: 测井解释, 水淹层, 延迟, 神经网络, 油气评价, 注水开发

Abstract: A method of time-delay neural network (TDNN) to calculate the parameters of flooding reservoir from well logging data is presented.This method is based on porosity,water saturations (Swi,Sw) of core to build the non-linear models of well logging data and the porosity,water saturations,which avoid the problem of conventional log interpretation to work out the resistivity of formation water.It is different from common BP neural network.The structure of TDNN enables the network to discover the depth varying feature of multiple well logging information in depths.When the TDNN has been trained using the core porosity,water saturations and well logging data,it built the non-linear relationship between multiple wireline logs that contain information of formation in adjacent depths and parameters of the reservoir.Examples of fifty wells of Henan Oilfield showed that the method is effective.

Key words: well logging interpretation, flooding formation, time-delay, neural network, Oil, gas evaluation, waterflood development

刘瑞林, 华运隆, 张超谟, 刘子云. 延迟神经网络测井资料评价水淹层的方法及应用[J]. 石油学报, 1997, 18(4): 76-81.

Liu Ruilin, Hua Yunlong, Zhang Chaomo, Liu Ziyun. A METHOD OF TIME-DELAY NEURAL NETWORKS FOR WELL LOG INTERPRETATION OF WATER DRIVE[J]. Editorial office of ACTA PETROLEI SINICA, 1997, 18(4): 76-81.

[1]	陈志明, 朱海锋, 赵辉, 董鹏, 廖新维, Yu Wei. 基于特征点和改进卷积神经网络的压裂水平井裂缝参数高效快速反演[J]. 石油学报, 2025, 46(9): 1751-1763.
[2]	殷启帅, 张来斌, 钟弘成, 李博宁, 杨进, 马永奇, 闫心业, 宋泽华. 基于神经网络优化算法的系泊系统智能设计[J]. 石油学报, 2025, 46(5): 967-976.
[3]	王友净, 宋新民, 孟凡乐, 梁宇馨, 蒋天昊. 鄂尔多斯盆地特/超低渗透油藏动态裂缝特征及控制因素[J]. 石油学报, 2025, 46(3): 588-598.
[4]	刘雪琪, 王志远, 魏强, 王敏, 孙小辉, 王雪瑞, 张剑波, 尹邦堂, 孙宝江. 物理信息神经网络驱动的井筒温度场求解方法[J]. 石油学报, 2025, 46(2): 413-425.
[5]	李潮流, 徐红军, 李霞, 冯周, 王磊, 王嵩然. 超深层碳酸盐岩储层油基钻井液阵列感应测井弱信号校正[J]. 石油学报, 2025, 46(11): 2106-2114.
[6]	李祯, 郭奇, 卜亚辉, 胡慧芳. 基于深度学习的饱和度场样本库建立及预测[J]. 石油学报, 2024, 45(4): 698-707.
[7]	孙歧峰, 李克昊, 段友祥, 张依旻, 宫法明. 基于卷积神经网络与特征聚类的荧光薄片分析方法[J]. 石油学报, 2024, 45(3): 548-558.
[8]	赵娅, 管玉, 贾迪. 基于卷积神经网络与视觉变换器的微观剩余油分类方法[J]. 石油学报, 2024, 45(12): 1818-1832.
[9]	谭茂金, 武宏亮, 王思宇, 杜广慧, 白洋, 王谦. 中国海相页岩气测井评价技术进展与发展方向[J]. 石油学报, 2024, 45(1): 241-260.
[10]	徐宝昌, 张学智, 王雅欣, 刘伟, 孟卓然. 用于两相流环空压力预测的自适应物理信息神经网络模型[J]. 石油学报, 2023, 44(3): 545-555.
[11]	丁骞, 甘利灯, 魏乐乐, 张宇生, 杨昊, 姜晓宇, 王峣钧. 双孔隙结构因子及其在储层渗透性地震预测中的应用[J]. 石油学报, 2023, 44(2): 339-347.
[12]	余义常, 郭睿, 林敏捷, 沈毅, 沈博珩, 朱光亚, 李峰峰, 王一帆, 颜元. 中东地区碳酸盐岩储层孔喉结构特征及开发对策 ——以伊拉克X油田M组为例[J]. 石油学报, 2023, 44(2): 369-384.
[13]	孙亮, 李勇, 李保柱. 中东地区碳酸盐岩油藏分类评价方法与注水开发对策[J]. 石油学报, 2022, 43(2): 270-280.
[14]	李潮流, 武宏亮, 李霞, 胡法龙, 田瀚, 黄玉越, 袁超. 倾斜电各向异性地层阵列感应测井数据处理新方法[J]. 石油学报, 2022, 43(10): 1439-1449.
[15]	程杰成, 周泉, 周万富, 王庆国, 施伟光. 低初黏可控聚合物凝胶在油藏深部优势渗流通道的封堵方法及应用[J]. 石油学报, 2020, 41(8): 969-978.

延迟神经网络测井资料评价水淹层的方法及应用

A METHOD OF TIME-DELAY NEURAL NETWORKS FOR WELL LOG INTERPRETATION OF WATER DRIVE

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价