《表3 学习样本示例Table 3 Examples of study samples》
识别岩性,去掉明显的非储层段后,选择工区内对深层卤水识别影响最大的GR,AC,CNL,DEN和Rt等5条测井曲线值作为输入曲线[24],具有水分析资料和录井资料的350组测井数据(部分学习样本见表1)作为学习样本进行模型训练(表3为部分学习样本),设定最大训练次数epoch=10 000次,训练的误差极限goal=0.001,命令卤水层为[1,0],干层为[0,1],建立5×10×10×2的BP神经网络训练模型。当网络的总误差达到精度要求或者训练次数达到设置的最大训练次数时,训练结束(图4),此时神经网络模型通过一系列隐含层权值的控制建立测井响应和深层卤水的非线性映射关系。然后以研究区内已知卤水层段的测井数据测试所建立的网络模型,并与准确的录井结果相对比,评价模型性能。图5为峰x5井部分层段卤水层识别结果对比图。
图表编号 | XD0016425900 严禁用于非法目的 |
---|---|
绘制时间 | 2018.06.10 |
作者 | 陈科贵、李进、黄长兵、陈愿愿、王刚、刘阳 |
绘制单位 | 西南石油大学地球科学与技术学院、西南石油大学地球科学与技术学院、中国石油化工集团中原油田、川庆钻探工程有限公司地球物理勘探公司、中国石油新疆油田分公司勘探开发研究院、西南石油大学地球科学与技术学院 |
更多格式 | 高清、无水印(增值服务) |