有机碳含量是评价烃源岩潜力的主要参数,常用的总有机碳含量(TOC)测井反演模型难以深度剖析测井曲线之间的复杂共线性关系,制约了多维测井信息的综合评价效果。利用玛湖凹陷三叠系白碱滩组泥岩的热解实验结果和常规测井曲线资料,建立了...有机碳含量是评价烃源岩潜力的主要参数,常用的总有机碳含量(TOC)测井反演模型难以深度剖析测井曲线之间的复杂共线性关系,制约了多维测井信息的综合评价效果。利用玛湖凹陷三叠系白碱滩组泥岩的热解实验结果和常规测井曲线资料,建立了一种基于PCA-BP(Principal Component Analysis and Back Propagation)神经网络的有机碳含量智能预测方法。该方法以敏感测井曲线的加权平均值和TOC测试结果为原始数据集,首先利用方差膨胀因子检测测井曲线之间共线性,然后采用主成分分析PCA(Principal Component Analysis)技术对原始数据集进行去共线性和降维处理,确定出2个主成分,最后结合中子、自然伽马、密度、声波时差曲线值,建立出6个输入节点的3层BP(Back Propagation)神经网络预测模型,对研究区三叠系白碱滩组烃源岩潜力进行精细评价。3口取心井累积410m井段的预测结果表明,模型的决定系数高达0.879,预测结果平均绝对误差和均方误差分别为0.220和0.107,平均相对误差为16.1%。研究结果为准噶尔盆地勘探领域优选提供了可靠参考。展开更多
文摘有机碳含量是评价烃源岩潜力的主要参数,常用的总有机碳含量(TOC)测井反演模型难以深度剖析测井曲线之间的复杂共线性关系,制约了多维测井信息的综合评价效果。利用玛湖凹陷三叠系白碱滩组泥岩的热解实验结果和常规测井曲线资料,建立了一种基于PCA-BP(Principal Component Analysis and Back Propagation)神经网络的有机碳含量智能预测方法。该方法以敏感测井曲线的加权平均值和TOC测试结果为原始数据集,首先利用方差膨胀因子检测测井曲线之间共线性,然后采用主成分分析PCA(Principal Component Analysis)技术对原始数据集进行去共线性和降维处理,确定出2个主成分,最后结合中子、自然伽马、密度、声波时差曲线值,建立出6个输入节点的3层BP(Back Propagation)神经网络预测模型,对研究区三叠系白碱滩组烃源岩潜力进行精细评价。3口取心井累积410m井段的预测结果表明,模型的决定系数高达0.879,预测结果平均绝对误差和均方误差分别为0.220和0.107,平均相对误差为16.1%。研究结果为准噶尔盆地勘探领域优选提供了可靠参考。