人工神经网络在录井油气水层识别中的应用

doi:10.3863/j.issn.1000-2634.2002.03.008

西南石油大学学报(自然科学版) ›› 2002, Vol. 24 ›› Issue (3): 28-30.DOI: 10.3863/j.issn.1000-2634.2002.03.008

人工神经网络在录井油气水层识别中的应用

钟大康¹ 张国喜²

(1.石油大学资源与信息学院,北京昌平 102249; 2.中国石油录井公司,北京 100043)

收稿日期:2001-09-23 修回日期:1900-01-01 出版日期:2002-06-30 发布日期:2002-06-30
通讯作者: 钟大康

APPLICATION OF ARTIFICIAL NEURAL NETWORK ON THE OIL-GAS-WATER RECOGANITION IN THE WELL LOGGING

ZHONG Da-kang¹ZHANG Guo-xi² .　

(University of Petroleum, Changping Beijing 102249,China)

Received:2001-09-23 Revised:1900-01-01 Online:2002-06-30 Published:2002-06-30
Contact: ZHONG Da-kang

摘要/Abstract

摘要： 地质录井油气水层识别有多种方法,如岩心岩屑肉眼观察法、录井数据图版法、线性函数判别法等。主要介绍人工神经网络法,内容包括方法的基本原理、系统结构组成、判别时选用的参数、应用效果与结果分析。将该方法用于准噶尔盆地不同地区进行实际检验,结果表明:该方法对未知样品的正判率均在90%以上,明显优于传统方法,取得了良好的应用效果,证明该方法在这一领域具有广阔的应用前景。

关键词: 神经网络, 油气水层识别, 地质录井, 准噶尔盆地

Abstract: There are many kinds of oil-gas-water recognition methods such as the core and cuttings testing, cross charting, linear function recognition. This paper mainly introduces the artificial neural network methods, which include the basic principal,composition of the system, recognition parameters, result and
effectiveness of the methods. It has been applied to a few oil fields in Jungar basin. The result indicates that the recognition precision is over 90%, apparently superior to the traditional methods, and the methods have a broad application prospect in this area.

Key words: neural network, oil-gas-water discrimination beds identification, geological logging, Jungar basin

中图分类号:

TE142

钟大康张国喜. 人工神经网络在录井油气水层识别中的应用 [J]. 西南石油大学学报(自然科学版), 2002, 24(3): 28-30.

ZHONG Da-kang ZHANG Guo-xi .　. APPLICATION OF ARTIFICIAL NEURAL NETWORK ON THE OIL-GAS-WATER RECOGANITION IN THE WELL LOGGING[J]. 西南石油大学学报(自然科学版), 2002, 24(3): 28-30.

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.1000-2634.2002.03.008

http://journal15.magtechjournal.com/Jwk_xnzk/CN/Y2002/V24/I3/28

[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]	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.
[5]	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.
[6]	邱争科, 李婷, 杨兴, 胡宗芳, 胡戈玲. 准噶尔盆地克—百断裂带石炭系内幕成藏特征[J]. 西南石油大学学报(自然科学版), 2020, 42(5): 39-47.
[7]	钱海涛, 尤新才, 魏云, 白雨, 吴俊. 玛东地区百口泉组地层新认识及油气勘探意义[J]. 西南石油大学学报(自然科学版), 2020, 42(2): 27-36.
[8]	刘永辉, 罗程程, 刘通, 任桂蓉, 王中武. 水平气井井筒气液两相流型预测[J]. 西南石油大学学报(自然科学版), 2019, 41(3): 107-112.
[9]	许磊, 王宗俊, 王盘根, 商志垒, 郭晓. 准噶尔盆地东缘J₁b¹扇三角洲沉积特征研究[J]. 西南石油大学学报(自然科学版), 2018, 40(4): 9-16.
[10]	李建, 李珂, 王兵. 粗糙集和神经网络相融合的钻井安全评价模型[J]. 西南石油大学学报(自然科学版), 2017, 39(5): 120-128.
[11]	陈亮, 赵逸清, 覃建华, 屈怀林, 董海海. 利用成像测井资料解剖石炭系内幕构造[J]. 西南石油大学学报(自然科学版), 2016, 38(6): 90-96.
[12]	秦志军, 魏璞, 张顺存, 王昌伟, 张生银. 滴西-五彩湾地区石炭系火山岩岩相特征研究[J]. 西南石油大学学报(自然科学版), 2016, 38(5): 9-21.
[13]	李伟才1，2 *，杨晓培3，王克杰3，赵蕊4. 春光油田残余地层对比方法及地层发育模式[J]. 西南石油大学学报(自然科学版), 2016, 38(3): 37-45.
[14]	高劲*，曹喆. 准噶尔盆地下侏罗统页岩气形成条件[J]. 西南石油大学学报(自然科学版), 2016, 38(1): 37-45.
[15]	陈波1，2 *，尤新才3，张银4，张顺存1，史基安1. 玛南地区乌尔禾组成岩作用对储层物性的影响[J]. 西南石油大学学报(自然科学版), 2016, 38(1): 10-20.

人工神经网络在录井油气水层识别中的应用

APPLICATION OF ARTIFICIAL NEURAL NETWORK ON THE OIL-GAS-WATER RECOGANITION IN THE WELL 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