在中东Abu Dhabi地区的非均质碳酸盐岩储层中利用人工神经网络由测井导出渗透率

碳酸盐岩的渗透率估算多年来一直是一种挑战，测井，特别是高分辨率的测井，常受到岩性的影响。因此，当岩心覆盖率有限同时缺乏高分辨率的测井资料时，采用标准测井系列（电阻率，密度，中子，井径，伽马射线）估算渗透率对构建和约束三维地质渗透率模型十分关键。两条新曲线，深电阻率和微电阻率活度曲线。可由相应的电阻率测井导出，它们不受流体效应的影响，因而保存有更好的地层特征，采用人工神经网络方法两步就可实现渗透率估算，第一步，采用深电阻率和微电阻率活度曲线和标准测井系列作为输入，经过神经网络训练后估算出由测井导出的岩石类型的概率。第二步，由单独训练的神经网络使用第一步得到的岩石类型概率和一组测井资料来预测渗透率。文中列举两个全来说明该方法在预测位于Abu Dhabi,UAE地区的非均质碳酸盐岩储层渗透率时十分有效，该储层的渗透率在0．5毫达西到大于20达西范围的变化，第一个例子为隐式测试，估算的渗透率与岩心渗透率资料吻合得很好，第二个全则显示出该方法在位于取心井附近的非取心井中具有较强的预测能力，这种估算技术十分稳定，而且发现它在构造地质单元渗透率模型时有助于岩心资料的补充。