论文部分内容阅读
目前岩心渗透率的获取为室内试验方法,针对该方法工作效率低、试验操作繁琐、耗时较长的问题,提出一种基于机器学习的均质数字岩心渗透率预测方法。首先随机生成大量均质数字岩心,通过孔隙网络模型的方法对其进行孔隙度和渗透率的计算,将所得结果作为机器学习的样本库,然后基于BP人工神经网络方法,对岩心的孔隙度和渗透率数据进行提取和处理,通过训练得到相应的机器学习模型,最后通过对比机器学习结果和室内试验结果,验证机器学习模型的准确性。结果表明,通过机器学习技术预测渗透率的方法准确高效,与岩心的实测渗透率误差仅为3.1%,