论文部分内容阅读
应用遗传神经网络模式识别方法,以吉林油田扶新隆起北坡扶余油层（泉四段）为例,进行储层成岩储集相研究。选取储层孔隙度（Ф）、渗透率（K）、泥质含量（Vsh）流动层带指标（FZI）等参数,建立遗传神经网络的学习样本及预测模型,共识别出四种类型成岩储集相：不稳定组分溶解次生孔隙成岩储集相（A相）、中等压实-弱-中胶结混合孔隙成岩储集相（B相）、强压实中等胶结残余粒间孔成岩储集相（C相）、极强压实-强胶结微孔隙成岩储集相（D相）,A相为最有利的成岩储集相。