论文部分内容阅读
传统的油藏描述方法存在很多问题。比如,大部分方法都是基于单变量的;油藏参数维数高、数量多,且存在很大的随机性和不确定性等。为了克服这些不足,近年来,国内外学者提出利用神经网络进行油藏描述。鉴于自组织映射(SOM)模型的特征保持、数据降维以及可视化功能,本文利用其对油气层进行准确识别。
针对SOM网络学习算法存在的一些缺点,即在学习过程中容易陷入局部最优,以及在收敛过程中存在钟摆效应,本文提出一种改进的SOM学习算法。理论研究和仿真试验均表明该算法的有效性,它能弥补标准SOM学习算法的不足。
油气层的准确识别能够提高勘探效果,还可以为油田开发的部署与规划提供重要的基础数据。本文拟在现有油气层识别研究与评价技术基础上,利用改进的SOM学习网络模型分析测井参数识别储层,提出一套分析识别方法,并给出了相应的可视化信息,得到一个良好的聚类识别器,为油藏描述和参数分析提供了依据。文中详细介绍了此模型用于油气层识别的过程。比如,样本参数的选择、网络的构建和优化、网络的学习和表示、聚类分析等。
最后,结合实际测井参数,进行油水层识别,得到了很高的识别精度。结果表明:该模型是一种操作简便、易于实现、性能良好的有效模型。