利用综合测井资料判别储集层流体性质.pdfVIP

利用综合测井资料判别储集层流体性质.pdf

  1. 1、有哪些信誉好的足球投注网站(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
  2. 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  3. 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  4. 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  5. 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  6. 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  7. 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
石油、天然气工业

2011年 8月 大庆石油地质与开发 Aug.,2011 第30卷第4期 Petroleum GeologyandOilfieldDevelopmentinDaqing V01.30Nn4 DOI:10.3969/J.ISSN.1000—3754.2011.04.038 利用综合测井资料判别储集层流体性质 胡 俊 李志军 陈明江 金国华4 李 明 (1.西南石油大学资源与环境学院,四川 成都 610500;2.重庆科技学院团委,重庆 沙坪坝 401331 3.川庆地质勘探开发研究院,四川 成都 610051;4.大庆油田工程有限公司,黑龙江 大庆 163712; 5.新疆油田公司石西油田作业区,新疆 克拉玛依 834000) 摘要:在储层测井评价中,利用常规测井信息判别复杂储层流体类型是测井解释的难题。通过对神经网络基本 原理、特点的阐述,表明神经网络在解决复杂非线性映射问题方面具有较强的学习能力和预测、识别能力。利 用神经网络建立的映射关系能够克服现有流体类型判别方法 的缺点并发挥人工神经网络的优势。在同一油气田 区域 ,利用已知油 、气 、水层测井数据对网络进行训练并建立测井曲线与不同流体类型的对应关系,从而达到 判别其他储集层流体性质、类型的目的,对油田储层流体类型进行判别、预测的效果较好。 关 键 词:神经网络;储层 ;测井响应;流体类型;软件开发 中图分类号:P631 文献标识码:A 文章编号:1000—3754 (2011)04-0163-04 IDENTIFYING THE PRoPERTIESoF RESERVoIR FLUIDSBY CoM PREHENSIVE LoGGING DATA HUJun。LIZhijun,CHENMingjiang,JINGuohua,LIMing f1.CollegeofResourcesandEnvironmentofSouthwestPetroleumUniversity,Chengdu610051,China;2.Youth LeagueCommitteeofChongqingCollegeofScienceandTechnology,Chongqing401331,China;3.Chuanqing ResearchInstitMteofGeologicalExplorationandDevelopment,Chengdu610051,China;4.DaqingOield EngineeringCompanyLimited,Daqing163712,China;5.OperationBlockof ShixiOiflieldofXinfiangOieldCompany,Kelamayi834000,China) Abstract:Intheevaluationofreservoirwelllogging,theproblem oflogginginterpretationistoidentifythefluid typesinacomplicatedreservoirbymeansofconventionalwelllogginginformation.Throughthedescriptionofthe basicpfincipalsandcharacteristicsofneuralnetwork,muchstrongerlearningcapacityandtheabilitiesofprediction andidenti6cati0nareobviousfortheneuralnetworkinsolvingcomplexnon—linearmappingorreflectingproblems. WiththehelDoftheestablishedmappingrelationshipbythenetwork,theshortcomingsofcurrentidentifyingmeth‘ od

文档评论(0)

fengbing + 关注
文档贡献者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档