基于神经网络的聚类分析在储层流动单元划分中的应用

详细信息   

• 责任者：孙致学^c中国石油大学(华东)^d1979 ; 姚军 ; 孙治雷^c青岛海洋地质研究所国土资源部海洋油气资源和环境地质重点实验室 ; 卢涛^c长庆油田分公司勘探开发研究院 ; 唐乐平 ; 杨勇 ; 韩继超
• 刊名：物探与化探
• 出版年：2011
• 卷期：35^b3
• 关键词：储层流动单元 ; 神经网络系统20^a聚类分析 ; 地球物理测井 ; 储层评价31^a苏里格气田
• 页码：349～353
• 索书号：P630.6/363-11
• 图表：^c表2参8插图
• 分类号：0831
• 文摘期号：2012/01/a

摘要

以苏里格气田盒8段为研究对象，在细分层和精细沉积学研究基础上，通过对关键井详细研究，以流动层段指标为储层流动单元划分标准，将目的层分为3类流动单元。通过相关性分析结合专家经验，从诸多电性、物性、岩性等参数中优选出表征流动单元的10个特征变量作为预测模型的输入，应用基于神经网络算法的聚类分析方法建立储层流动单元非线性识别模型。通过对其他关键井的回判预测表明，建立的流动单元预测模型可以更全面地考虑各类地质因素与流动单元之间的结构性复杂映射关系，气井产能与流动单元具有较高的对应关系，为气田精细描述与开发井网的优化部署提供可靠基础。