论文部分内容阅读
以伊朗Mansuri油田50口井的常规测井资料为基础，优选人工智能算法，对Mansuri油田白垩系Ilam组4个层的孔隙度和渗透率分布进行模拟。首先利用5口有岩心物性分析资料的井，遴选出常规测井的声波时差、密度和中子孔隙度作为输入参数，采用反向传播人工神经网络（BP神经网络）和支持向量回归方法进行储集层孔隙度和渗透率计算，根据计算结果与岩心实测结果的相关性，选择采用BP神经网络法进行物性计算。然后，利用克里金地质统计算法，对Mansuri油田Ilam组4个层的孔隙度和渗透率分布进行模拟，结果表明，层2．1