BP神经网络法在三塘湖盆地芦草沟组页岩岩相识别中的应用

摘要

对于复杂岩性页岩岩相的识别,传统的建立岩相图版的方法因未充分考虑到测井数据间的相似性造成的干扰以及与岩心实验数据尺度上的差异性,导致建立的识别图版中不同类别的样本点相互重叠、界限模糊,预测偏差较大.针对该问题,以三塘湖盆地马朗凹陷芦草沟组二段为例,在对储层特征充分认识的基础上,采用了一种基于主成分分析的BP神经网络方法,首先分析研究区岩心资料并对其进行归类组合,划分出富有机质纹层相、富碳酸盐纹层相和富凝灰质纹层相3种岩相类型,以便缩小与测井数据间的尺度误差;其次建立岩相图版并提取自然伽马、声波时差、补偿密度、补偿中子、电阻率等5条对岩相变化响应较为敏感的测井曲线,分析各主成分的因子载荷地质因素并优选出3个含有大量岩相信息的主成分PC2,PC3和PC4;最后建立起岩相与测井曲线间的映射关系,同时对研究区重点井芦1井进行了验证性的岩相识别.结果表明,与传统图版识别方法相比,将主成分分析与BP神经网络相结合的岩相识别方法可有效消除测井曲线相似性带来的干扰,解决因岩心数据与测井数据尺度不同所造成的预测偏差增大的问题,使岩相识别正确率得到明显提高.该方法对页岩岩相识别较为实用,具有一定的推广应用价值.