基于灰色神经网络的测井预测地层破裂压力

doi:10.3863/j.issn.1000-2634.1996.04.001

西南石油大学学报(自然科学版) ›› 1996, Vol. 18 ›› Issue (4): 1-8.DOI: 10.3863/j.issn.1000-2634.1996.04.001

• 石油地质勘探 • 下一篇

基于灰色神经网络的测井预测地层破裂压力

夏宏泉谈德辉梁常宝王映辉

西南石油学院勘探系

收稿日期:1995-11-03 修回日期:1900-01-01 出版日期:1996-11-20 发布日期:1996-11-20

Prediction of Formation Fracture Pressure Based on Grey Artificial Neural Network Logging

Xia Hong-quan TAN De-hui et al

Dept. of Petroleum exploration, SWPI, Sichuan, 637001

Received:1995-11-03 Revised:1900-01-01 Online:1996-11-20 Published:1996-11-20

摘要/Abstract

摘要： 在新兴的信息处理技术中,灰色系统预测法和神经网络预测法都可用来解决精细测井解释
和油藏描述中的模式识别和参数预测等问题。基于灰色GM(0,N)静态模型和BP神经网络模型,提出了一种新的参数估算方法即灰色神经网络判释法,由此分析了利用测井资料预测地层破裂压力的可行性。以H盆地中部气田为实例,综合应用现场试采测压资料和测井资料,建立了该气田石盒子组马家沟组地层破裂压力的灰色BP神经网络预测模型,成功地处理了该区25口气井(油井)资料。结果表明,该法简便好用,预测精度高,为应用测井资料预测地破裂层压力开拓了一条新的途径。

关键词: 模型, 测井, 神经网络, 地层破裂压力

Abstract: Of the mew information processing techniques, both grey mode and artificial neural network mode can be used to solve the problems of pattern- recognition and parameter calculation in fine log interpretation and reservoir description. On the basis of GM(U,N)mode and BPANN mode, this paper introduces an improved method (GMUNBPANN) to estimate parameter, and then analyzes the feasibibity of formation fracture pressure prediction by using well logging data. Taking the central gas field in H basin as an example, we have built a special grey BPANN mode to calculate the rock fracture pressure of Ahihezi andd Majiagou formation by making full use of test data and log information, and applied it successfully to 25 oil-gas wells. The result shows that this method is easy, practical and can make an accurate prediction, thus providing a new approach for the prediction of formation fracture pressure from well logging curves.

Key words: Mode, Logging neural network, Formation fracture pressure

中图分类号:

P631.81

夏宏泉谈德辉梁常宝王映辉. 基于灰色神经网络的测井预测地层破裂压力[J]. 西南石油大学学报(自然科学版), 1996, 18(4): 1-8.

Xia Hong-quan TAN De-hui et al. Prediction of Formation Fracture Pressure Based on Grey Artificial Neural Network Logging[J]. 西南石油大学学报(自然科学版), 1996, 18(4): 1-8.

0
/ / 推荐

导出引用管理器 EndNote|Ris|BibTeX

链接本文: http://journal15.magtechjournal.com/Jwk_xnzk/CN/10.3863/j.issn.1000-2634.1996.04.001

http://journal15.magtechjournal.com/Jwk_xnzk/CN/Y1996/V18/I4/1

[1]	黄旭日, 代月, 徐云贵, 唐静. 基于深度学习算法不同数据集的地震反演实验[J]. 西南石油大学学报(自然科学版), 2020, 42(6): 16-25.
[2]	刘兆年, 赵颖, 孙挺. 渤海区域基于数据驱动的钻井提速[J]. 西南石油大学学报(自然科学版), 2020, 42(6): 35-41.
[3]	檀朝东, 贺甲元, 周彤, 刘健康, 宋文容. 基于PCA-BNN的页岩气压裂施工参数优化[J]. 西南石油大学学报(自然科学版), 2020, 42(6): 56-62.
[4]	钟仪华, 王淑宁, 罗兰, 杨金莲, 岳永鹏. 用深度学习挖掘油田开发指标预测模型的知识[J]. 西南石油大学学报(自然科学版), 2020, 42(6): 63-74.
[5]	黄诚, 潘雯晋. 基于机器学习的石油多峰模型研究及应用[J]. 西南石油大学学报(自然科学版), 2020, 42(6): 75-81.
[6]	杨洋, 程悦菲, 谯英, 刘炯. 基于时序动态分析的油井产量预测研究[J]. 西南石油大学学报(自然科学版), 2020, 42(6): 82-88.
[7]	刘浩瀚, 颜永勤, 闵令元, 乐平, 殷艳玲. 基于灰色网络组合优化的年增油量预测[J]. 西南石油大学学报(自然科学版), 2020, 42(6): 89-96.
[8]	王皓, 张立夫, 罗昊. 气井多参数联合预警模型研究与应用[J]. 西南石油大学学报(自然科学版), 2020, 42(6): 133-140.
[9]	王兵, 郑亚梅, 陈茂柯, 高凌云. 基于Tri-BiLSTM-CNN的钻井安全问答系统[J]. 西南石油大学学报(自然科学版), 2020, 42(6): 157-164.
[10]	袁靖舒, 李洪奇. MDR概念系统注册及本体表示标准化研究[J]. 西南石油大学学报(自然科学版), 2020, 42(6): 174-180.
[11]	田瀚, 张建勇, 李昌, 李文正, 姚倩颖. 成像测井在灯影组微生物岩岩相识别中的应用[J]. 西南石油大学学报(自然科学版), 2020, 42(5): 75-85.
[12]	赵晓明, 冯圣伦, 谭程鹏, 冯莫沉, 唐春. 平移型点坝形成机理与沉积特征[J]. 西南石油大学学报(自然科学版), 2020, 42(4): 22-36.
[13]	王卫, 李永杰, 刘江涛. 井下可视化自动寻航钻井技术初探[J]. 西南石油大学学报(自然科学版), 2020, 42(3): 144-152.
[14]	王开宇, 王超, 范家伟, 徐彦龙, 冉丽君. 海相巨厚砂岩油藏夹层精细地质建模方法研究[J]. 西南石油大学学报(自然科学版), 2020, 42(3): 69-79.
[15]	周建, 宋延杰, 姜艳娇, 孙钦帅, 靖彦卿. 海洋天然气水合物测井评价研究进展[J]. 西南石油大学学报(自然科学版), 2020, 42(2): 85-93.

基于灰色神经网络的测井预测地层破裂压力

Prediction of Formation Fracture Pressure Based on Grey Artificial Neural Network Logging

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价