基于神经网络法的脆性指数预测——以B区部分井为例

A井区长62主要发育致密砂岩,脆性指数对于储层进行压裂以及施工改造效果有直接的关系,如何准确高效的建立脆性指数模型是油田储层改造进行压裂亟待解决的问题。传统的实验矿物分析法建立模型需要大量的实验数据,普通的测井参数预测法准确性较低。因此本文通过选取各测井曲线参数与脆性指数做线性回归,选取相关系数较高的测井参数作为建模的输入层的原始数据,通过灰色关联法对其进行原始数据进行权重系数计算,按照其权重系数与测井原始数据的加权平均的乘积作为神经网络的最终输入层参数,通过建模可以得出该方法对于脆性指数预测精度明显优于较弹性参数法,其预测精度达到90.24%,其对于该区块目标储层改造的后续开发压裂需求。