过程神经网络在厚层细分水淹解释中的应用

摘要

针对油田注水开发中后期油层水淹状况复杂,储层性质发生改变,导致测井曲线的幅度和形态发生相应的变化,建立一种能描述测井曲线幅度和形态变化的模式识别技术,有利于储层水淹级别的准确判别.在分析水驱后储层性质变化规律及水淹层测井响应特征基础上,提取厚油层的曲线形态特征,弥补了由于厚层细分引起的曲线形态信息缺失.选取曲线形态特征参数、原始测井曲线以及成果曲线作为识别水淹层的特征参数,建立了基于过程神经网络的水淹层自动识别方法.应用7口取心检查井的176个样本建立水淹层模式库,进行网络训练,使用训练好的过程神经网络对大庆油田北1～55检E66井等2口井进行水淹解释,结果表明,解释符合率为81.3%,该方法可提高水淹层测井评价的精度.