RY凹陷致密砂岩神经网络产能分类预测方法
  • 【摘要】

    研究了RY凹陷的储层沉积特征、物性特征和油水层测井响应特征,分析认为其古近系沉积相类型丰富多样,属中低孔隙度中低渗透率砂岩,储层物性复杂且变化大,平面径向流产能评价方法效果有限.从岩石物性出发,提出神经网络分类评价方法.利用排驱压力划分3类储层,以降低物性变化对产能带来的影响;再利用神经网络非线性拟合的独特优势,分别建立3类物性储层测井参数和产能关系.经新探井试油数据检验,该方法的产能预测符合率大... 展开>>研究了RY凹陷的储层沉积特征、物性特征和油水层测井响应特征,分析认为其古近系沉积相类型丰富多样,属中低孔隙度中低渗透率砂岩,储层物性复杂且变化大,平面径向流产能评价方法效果有限.从岩石物性出发,提出神经网络分类评价方法.利用排驱压力划分3类储层,以降低物性变化对产能带来的影响;再利用神经网络非线性拟合的独特优势,分别建立3类物性储层测井参数和产能关系.经新探井试油数据检验,该方法的产能预测符合率大于87.5%,可满足生产需求. 收起<<

  • 【作者】

    李玮  张占松  祗淑华  丁一  安继星  王晓林 

  • 【作者单位】

    长江大学地球物理与石油资源学院/中国石油集团测井有限公司华北事业部

  • 【刊期】

    测井技术 ISTIC PKU 2013年6期

  • 【关键词】

    测井解释  产能预测  神经网络  致密砂岩  孔隙结构  毛细管压力曲线  log interpretation  productivity prediction  neural network  tight sandstone  pore structure  capillary pressure curve 

  • 【基金项目】

    “十二五”中国石油天然气集团公司重大科技项目:碎屑岩储层测井产能预测技术研究及软件开发