论文部分内容阅读
人工神经网络作为据有限、常见的数据组估算储层参数的方法得到广泛普及。利用人工神经网络方法需要输入的数据包括,与期望输出值有关的测井记录和用于训练的“真实”数据。我们将利用两个实例研究来说明利用神经网络据测井数据预测孔隙度和渗透率。在两个实例中,气田研究所需的预测是改善气藏管理和优化开采。在堪萨斯州的雨果顿(Hugoton)大型气田中,孔隙度是根据自然伽马能谱、光电分析和体积密度数据,利用类属神经网络软件预测的。这种类属神经网络软件可将神经网络建立的关系式转化成一个方程式,此方程式很容易用于所有具所需测井曲