[1]张学磊,沈 楠,樊 茹,等.神经网络技术在复杂断块油藏水淹层评价中的应用[J].复杂油气藏,2015,(03):55.
　Zhang Xuelei,Shen Nan,Fan Ru,et al.Application of neural network technique in evaluating watered-out zone in complex faulted block reservoir[J].Complex Hydrocarbon Reservoirs,2015,(03):55.
点击复制

神经网络技术在复杂断块油藏水淹层评价中的应用
分享到：

《复杂油气藏》[ISSN:1674-4667/CN:31-2019/TQ]

卷:
期数:
2015年03期
页码:
55
栏目:
油气开发
出版日期:
2015-09-25

文章信息/Info

Title:
Application of neural network technique in evaluating watered-out zone in complex faulted block reservoir
作者:
张学磊1; 沈 楠1; 樊 茹1; 张守良2; 唐 玮1
1.中国石油勘探开发研究院,北京 100083; 2.中国石油勘探与生产分公司,北京 100011
Author(s):
Zhang Xuelei1; Shen Nan1; Fan Ru1; Zhang Shouliang2; Tang Wei1
1.Research Institute of Petroleum Exploration & Development,PetroChina,Beijing 100083,China; 2.Exploration and Production Company,PetroChina,Beijing 100011,China
关键词:
油田开发 神经网络技术 复杂断块油藏 测井解释 水淹层评价
Keywords:
neural network technique;  complex faulted block reservoir;  log interpretation;  watered-out zone evaluation
分类号:
TE319
文献标志码:
A
摘要:
复杂断块油藏岩性纵向上变化大,水淹后物性和电性也与原始状态有明显差距,使用一般测井解释方法识别水淹层级别具有难度,再加上众多确定的以及不确定的断层的存在,使得从动态上定性识别水淹层也难以做到。以复杂断块G油田试油资料为基础,运用BP神经网络技术,优选对水淹程度敏感的电阻率测井、自然电位测井、声波时差测井以及自然伽马测井数据作为学习数据,建立了水淹层网络训练模型,并据此对未试油小层的水淹层级别进行了预测,证实水淹层评价符合率达到80%以上,由此可以证明BP神经网络技术对此类油田水淹层评价具有很好的适应性。
Abstract:
In vertical direction of complex faulted-block reservoir,lithology varies greatly.And then rock physical property between the initial state and watered-out state shows obvious disparity,as well as electrical property.So it is difficult to identify watered-out zones by general log interpretation methods.It is also hard to explain levels of watered-out zone because of the existence of a multitude of definite and undefined faults.In the article,based on formation test data of G Oilfield,resistivity logging,spontaneous potential logging,acoustic logging,gamma ray logging,which are sensitive to watered-out zones,were chosen for learn-training data.And then the BP neural network model for watered-out zones was built.Thus the watered-out zones were predicted by the BP neural network technique.The results proved that the coincidence rate of evaluating watered-out zone is above 80%.Therefore,it was confirmed that the BP neural network technique fits well for evaluating watered-out zone in this type of oilfield.

参考文献/References:

[1] 赵培华.油田开发水淹层测井技术[M].北京:石油工业出版社,2003:176-194.
[2] 潘有军,徐赢,张中劲,等.牛圈湖油田水淹层测井评价方法[J].岩性油气藏,2011,23(2):85-89.
[3] 魏忠元,姚光庆,周锋德.基于流动单元基础上的水淹层定量识别方法研究——以宝浪油田宝北区块为例[J].地质科学情报,2007,26(2):86-90.
[4] 黄宏才,贾文玉,谭海芳,等.利用碳氧比测井资料解释水淹层的方法探讨[J].测井技术,2000,22(3):110-112.
[5] 田素月.利用双自然电位测井研究水淹层测井解释[J].断块油气田,2002,9(3):84-85.
[6] 王秀艳,周凤鸣,王文先.浅谈利用正态分布法识别水淹层[J].测井技术,1999,23(1):29-32.
[7] 韩晓梅.南堡油田高柳地区水淹层测井评价方法[D].青岛:中国石油大学(华东),2011:1-3.
[8] 杨斌,匡立春,孙中春,等.神经网络及其在石油测井中的应用[M].北京:石油工业出版社,2005:191-195.
[9] 梅红,张厚福,孙红军.神经网络技术在测井相分析及水淹层判别中的应用[J].石油大学学报(自然科学版),1997,21(3):24-28.
[10] 张玎,梅红,冉文琼.应用人工神经网络识别水淹层[J].测井技术,1996,20(3):210-214.
[11] 刘瑞林,华运隆.延迟神经网络测井资料评价水淹层的方法及应用[J].石油学报,1997,18(4):76-80.
[12] 杨建刚.人工神经网络实用教程[M].杭州:浙江大学出版社,2001:41-58.

备注/Memo

备注/Memo:
doi:10.16181/j.cnki.fzyqc.2015.03.012
收稿日期:2015-06-01; 改回日期:2015-06-28。 作者简介:张学磊(1983—),博士,从事油气田开发规划及方案的研究,电话:010-83592271,E-mail:zhang.xl@petrochina.com.cn。 基金项目:中国石油重大专项“水驱提高采收率关键技术研究”(2011B-1103)。
更新日期/Last Update: 2015-09-25