录井神经网络油气层解释模型研究

利用BP人工神经网络误差反向传播算法 ,开发了神经网络油气层解释软件。通过对泌阳凹陷安棚深层系和焉耆盆地已试油层的原始资料进行学习、训练 ,建立了油气层神经网络解释模型。运用该模型可完成储层流体类型的划分和识别 ,结合录井、测井等原始资料 ,可实现计算机处理自动化 ,其预测符合率达 84 .2 %。

基于储量增长模型和概率分析的大油气田储量增长评价方法及其在中东地区的应用

全球每年约有70％的新增油气储量来源于已发现大油气田的储量增长.基于单个大油气田储量增长因素的概率分析和大油气田产、储量统计分析,提出了储量增长评价新方法,建立了中东地区大油气田储量增长模型,并进行了潜力预测.研究表明,预测截至2042年Halfaya油气田储量增长的因素为提高采收率、储量升级、油田扩边、发现新层系,所引起的石油储量增长分别为30.8×10^8桶、7.5×10 8桶、4.3×10 8桶和3.2×10 8桶,所引起的天然气储量增长分别为0.8×10^8桶油当量、2.7×10^8桶油当量、2.7×10^8桶油当量和5.7×10^8桶油当量;中东地区大油田和大气田储量增长变化趋势较为相似,储量增长高峰期主要位于开发早期和中期;截至2042年中东地区167个大油田储量增长潜力为2 103×10^8桶,64个大气田储量增长潜力为1 018×10^8桶油当量;用同一个样本点对概率法和统计法的研究结果进行了验证,两种方法吻合程度较高.该方法通过解剖个体特征,分析整体规律,由已知推测未知,实现了统计法、概率法和地质分析法的有机结合,可以进一步用于全球大油气田储量增长研究.