基于神经网络的沉积微相自动识别方法

摘要

沉积微相划分是油田产能建设、储层三维地质建模过程中必不可少的工作之一。面对大规模产建和精细地质研究的需求，庞大的井数据、分小层的沉积微相数据难以用手工完成，采用神经网络技术可以快速识别出各小层的微相类型、在沉积学规律的指导下结合测井曲线的平面分布特征、砂地比、砂体厚度等进行修正，实现沉积相的快速准确识别。油田常用的GPTLog软件中自带神经网络算法，能应用到沉积相分类中，文中多种修正方法对其他区块沉积相研究具有借鉴作用。