BP神经网络技术在声波测井曲线重构中的运用

doi:10.3863/j.issn.1000-2634.2008.01.017

西南石油大学学报(自然科学版) ›› 2008, Vol. 30 ›› Issue (1): 63-66.DOI: 10.3863/j.issn.1000-2634.2008.01.017

BP神经网络技术在声波测井曲线重构中的运用

杨志力^1，2 周路² 彭文利³ 郑金云²

1.杭州地质研究院，浙江杭州 310023；2.西南石油大学资源与环境学院，四川成都 610500；3.新疆油田公司勘探开发研究院，新疆克拉玛依 834000

收稿日期:2006-01-06 修回日期:1900-01-01 出版日期:2008-02-20 发布日期:2008-02-20

Application of BP Neural Network Technology in Sonic Log Data Rebuilding

YANG Zhi-li ^1,2,ZHOU Lu²,PENG Wen-li ³,ZHENG Jin-yun ²

1.Hangzhou Research Institute of Petroleum Geology,Hangzhou Zhejiang 310023,China;2.Resources and Environment institute,Southwest petroleum University,Chengdu Sichuan 610500,China;3.Research Institute of Exploration and Development,Xinjiang Oil field Company,Karamay Xinjiang 834000,China

Received:2006-01-06 Revised:1900-01-01 Online:2008-02-20 Published:2008-02-20

摘要/Abstract

摘要： 基于神经网络的曲线重构法是提高声波测井曲线质量的有效方法。该方法通过神经网络技术的非线性算法，在声波曲线与自然电位、电阻率、自然伽马等多条测井曲线之间建立一种非线性关系。运用BP神经网络技术综合了自然电位、电阻率、自然伽马等多条曲线的信息对声波曲线进行重构，以此增加曲线重构的信息量，为曲线重构的准确性提供了保障。通过在准噶尔盆地石南地区的运用，证明该方法能大大提高受井壁垮塌影响的声波测井曲线的质量。

关键词: 曲线重构, 神经网络, 声波测井, 准噶尔盆地, 石南地区

Abstract: The log reconstruction method based on neural network is a effective one to improve the quality of sonic log.The method,by means of non-linear algorithm of neural network technology,is used to set up a non-linear relation among sonic log curve,SP,Rt,Gr and curves.The sonic log curve is reconstructed by using BP neural network technology combining SP,Rt,Gr curves data as to enhance the information quality of curve reconstruction and ensure the accuracy of curve reconstruction.The practice in Shinan area,Junggar Basin proves the method can greatly improve the quality of sonic log curve where well wall is affected by collapse.

Key words: log reconstruction, neural network, sonioc log, Junggar Basin, Shinan area

中图分类号:

TE822

杨志力;周路彭文利郑金云. BP神经网络技术在声波测井曲线重构中的运用[J]. 西南石油大学学报(自然科学版), 2008, 30(1): 63-66.

YANG Zhi-li;ZHOU Lu;PENG Wen-li;ZHENG Jin-yun . Application of BP Neural Network Technology in Sonic Log Data Rebuilding[J]. 西南石油大学学报(自然科学版), 2008, 30(1): 63-66.

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.1000-2634.2008.01.017

http://journal15.magtechjournal.com/Jwk_xnzk/CN/Y2008/V30/I1/63

[1]	董晓霞, 冯少柯. 基于神经网络聚类分析的深层页岩储层岩相识别——以川南筇竹寺组为例[J]. 西南石油大学学报(自然科学版), 2024, 46(6): 61-73.
[2]	张伯虎, 胡尧, 王燕, 陈伟, 罗超. 基于MLR-ANN算法的地应力场反演与裂缝预测[J]. 西南石油大学学报(自然科学版), 2024, 46(3): 1-12.
[3]	胡婷婷, 余海涛, 吴晨骁, 关键, 于景维. 沙湾凹陷上乌尔禾组储层特征及控制因素分析[J]. 西南石油大学学报(自然科学版), 2024, 46(3): 50-65.
[4]	叶成, 任涛, 尹泽斌, 李成, 白杨. 准噶尔南缘冲断带破碎地层井壁稳定性机理[J]. 西南石油大学学报(自然科学版), 2023, 45(6): 95-103.
[5]	叶哲伟, 易钦珏, 罗良. 基于LeNet模型的游梁式抽油机工况诊断研究[J]. 西南石油大学学报(自然科学版), 2023, 45(6): 164-174.
[6]	马聪, 周军军, 胡亮, 齐婧, 吴海光. 盆1井西凹陷三工河组储层特征与形成机理[J]. 西南石油大学学报(自然科学版), 2023, 45(5): 1-13.
[7]	孙金声, 李锐, 王韧, 屈沅治, 黄宏军. 准噶尔盆地南缘井壁失稳机理及对策研究[J]. 西南石油大学学报(自然科学版), 2022, 44(1): 1-12.
[8]	马军茂, 潘龙, 李静, 丁国荣, 石星. 起伏地表稳相黏弹叠前时间偏移方法及应用[J]. 西南石油大学学报(自然科学版), 2022, 44(1): 91-99.
[9]	惠钢, 陈胜男, 王海, 顾斐. 基于改进残差的神经网络方法预测页岩气甜点[J]. 西南石油大学学报(自然科学版), 2021, 43(5): 19-32.
[10]	于景维, 孙波, 余海涛, 高子杰, 任楚梵. 车拐斜坡区三叠系百口泉组油气成藏条件研究[J]. 西南石油大学学报(自然科学版), 2021, 43(3): 37-50.
[11]	袁多, 吴超, 卢运虎, 张东清. 基于智能算法的油气田地应力三维预测[J]. 西南石油大学学报(自然科学版), 2021, 43(2): 84-92.
[12]	钱海涛, 张翔, 卞保力, 刘海磊, 张孟刚. 玛南斜坡下乌尔禾组砾岩储层特征及主控因素[J]. 西南石油大学学报(自然科学版), 2021, 43(1): 41-50.
[13]	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.
[14]	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.
[15]	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.

BP神经网络技术在声波测井曲线重构中的运用

Application of BP Neural Network Technology in Sonic Log Data Rebuilding

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