论文部分内容阅读
通过研究温度对储层黏土矿物、孔隙度以及渗透率的影响规律,发现温度对储层孔隙度的影响较小,渗透率随温度的变化与孔隙度之间存在一定关系。在BP神经网络模型的基础上,将温度作为一个新的神经元引入到输入层中,通过对网络隐层数的优化设计和误差分析,提出了考虑温度影响的储层敏感性预测新方法,编写了相应的计算程序实现了敏感性预测的智能化。通过与室内实验结果对比,该方法精度大于83%,且受人为因素影响小,具有较高的预测精度,为高温条件下储层敏感性预测提供了一种新的手段。