BP神经网络在测井解释中的应用研究

论文摘要

井资料结合各种岩心分析化验结果及地质背景资料约束是进行测井资料处理与解释的基础,其中交会图技术、重叠图技术以及分类统计、回归分析是其主要的研究手段。本论文主要采用BP人工神经网络方法,进行了储层岩性、物性、含油性参数预测。首先,阐述了人工神经网络基本概况及在石油勘探领域的应用情况。接下来,重点对BP神经网络从原理、改进、优化方面进行了重点的阐述。最后根据实际的某油区的测井及其他有关研究、结论性资料,详述了利用BP神经网络,进行储层岩性、含油性、物性参数预测的方法,分别给出了模型构建、数据预处理、学习样本选择、网络的训练方法,最后给出了预测结果及结果的对比与分析。研究结果表明,做为一种非线性方法,人工神经网络能更好的模拟实际地层情况,能更好建立起“四性”之间非线性对应关系。网络预测结果及与其他试油、分析化验结果对比表明,BP人工神经网络方法在常规及非常规砂泥岩储层物性参数、岩性、含油性参数预测应用方面是都是可行的和有效的。尤其是在低电阻率油层、高放射砂岩等非常规砂泥岩储层参数预测方面,BP神经网络方法同样取得良好的预测效果。对油田勘探与开发有较大的参考价值。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 研究的目的和意义
• 1.2 研究现状
• 1.2.1 人工神经网络的发展历史及现状
• 1.2.2 人工神经网络技术在测井解释中的应用现状
• 1.2.3 MATLAB软件发展概况
• 1.3 主要研究内容
• 第二章 BP人工神经网络
• 2.1 BP人工神经网络的原理
• 2.1.1 BP神经元
• 2.1.2 BP神经网络
• 2.2 BP神经网络的设计与改进
• 2.2.1 BP网络的设计
• 2.2.2 BP神经网络的改进
• 2.3 BP神经网络的优缺点
• 第三章 BP人工神经网络在储层岩性预测中的应用
• 3.1 地层特征
• 3.2 利用BP神经网络进行岩性识别
• 3.2.1 技术路线
• 3.2.2 数据准备
• 3.2.3 学习样本的选择
• 3.2.4 学习样品提取数量原则
• 3.2.5 岩性预测BP网络的构建与编程方法
• 3.3 结果及分析
• 3.3.1 结果
• 3.3.2 分析
• 第四章 BP人工神经网络在储层物性参数预测中的应用
• 4.1 储层孔隙度和渗透率
• 4.1.1 储层孔隙度
• 4.1.2 储层渗透率
• 4.1.3 神经网络预测储层孔隙度与渗透率
• 4.2 研究区域地质资料概况
• 4.3 BP神经网络预测储层孔隙度与渗透率方法
• 4.3.1 储层物性预测技术路线
• 4.3.2 数据准备
• 4.3.3 编程方法
• 4.4 结果及分析
• 4.4.1 孔隙度预测结果及分析
• 4.4.2 渗透率预测结果及分析
• 第五章 BP人工神经网络在储层含油性预测中的应用
• 5.1 背景回顾
• 5.2 地质资料概况
• 5.3 利用BP神经网络储层含油性分类方法
• 5.3.1 储层含油性分类技术路线
• 5.3.2 数据准备
• 5.3.3 储层含油性预测BP神经网络构建与编程方法
• 5.4 结果及分析
• 5.4.1 结果
• 5.4.2 分析及结论
• 结论
• 参考文献
• 攻读硕士学位期间取得的科研成果
• 致谢