神经网络在测井解释中的应用

本文利用人工神经网络来确定储层参数：孔除度和渗透率；识别油（气）、水、干层，以便对它们进行评价和开采。其过程是：首先选取适当的网络模型和学习算法，然后利用关键井的岩芯分析数据、试油结果和相应的一组测井数据训练网络，建立研究地区的测井解释模型，最后运用已建立的模型对未知井进行预测，绘制出各井的解释成果图。本文简述了这项技术的基本原理、特点和改进措施；进入学习前的一系列预处理过程，包括深度归位、测井曲线标准化、全区测井数据统一的归一化、样本选取及其原则、自动分层和取特征值方法等；最后通过多种检验手段对学习和预测效果进行评价。通过检验和在多个地区的应用，证实了这一技术的优越性，其地质效果是明显的，大大提高了测井解释精度和速度，为测井解释开辟了一条新途径。