基于BP神经网络储层激电参数的渗透率预测方法

【作者】 阮家驹； 向葵； 严良俊； 童小龙； 罗媛元； 谭功贤；

【机构】 长江大学地球物理与石油资源学院；

【摘要】 对于低孔低渗的油页岩储层,孔隙度、渗透率与电阻率关系表现为较强的非线性,此时应用常规的Archie公式和Kozeny-Carman关系研究孔隙液、电阻率与渗透率的关系已不适用。研究者发现,致密岩石的激发极化现象与渗透率密切相关,特别是在解决低孔低渗岩石的渗透率预测方面,激电参数可以发挥重要作用,为非常规油气储层评价、高效开采提供重要参数依据。近几年,随着机器学习理论及其技术的快速发展,其应用范围越来越广,效果也越来越明显。将深度学习相关理论应用到储层参数预测中,基于BP神经网络建立激电参数与储层参数之间合理的预测模型,神经网络能否预测成功,很大程度上取决于变量选择是否合理,因此,岩性、孔隙度、电阻率、极化率、矿物组分、矿化度是重要的输入信息变量;选取合适的激电参数作为BP神经网络的输入参数,对此参数进行不断的学习训练,达到预测渗透率的准确度,进一步提高预测的精度和可靠性。更多还原