资源描述：
《横向测井资料的孔隙度测井解释方法研究》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。
1、石油天然气学报(江汉石油学院学报)2005年6月第27卷第3期·348·JournalofOilandGasTechnology(J1JPI)Jun12005Vol127No13横向测井资料的孔隙度测井解释方法研究叶义平,盛云霞,冯丽萍,周金燕,曾广青(新疆油田分公司,新疆克拉玛依834000)[摘要]就测井而言,油田老井挖潜的难点之一在于横向测井资料的孔隙度解释。针对上世纪60年代投产的肯基亚克油田,提出用神经网络方法和自然电位法解释横向测井资料,计算地层孔隙度。经实际处理肯基亚克油田50口多井的横向测井资料,应用效果良好,
2、说明提出的方法为油田老井挖潜提供了较好的孔隙度解决方案。[关键词]横向测井;神经网络法;自然电位法;孔隙度[中图分类号]P631184[文献标识码]A[文章编号]10009752(2005)03034803哈萨克斯坦肯基亚克油田在上世纪60,70年代所采用的测井系列以横向测井(又称标准测井)为主,均缺少孔隙度测井系列。现代测井技术采用密度、声波、中子测井和岩心分析等建立理论或经验的孔隙度解释模型,计算孔隙度不存在任何问题,但横向测井资料的孔隙度解释就不好办了。采用Ar2chie公式反演孔隙度的方法只适应纯水层,其具体方法是在纯
3、水层段,以统计的方法确定水层电阻率,以水分析资料确定地层水电阻率,用岩电实验确定Archie公式中a,b,m,n等地层参数,假设地层的含水饱和度,在此基础上,反演地层孔隙度。这样也只能估算水层孔隙度,而真正的研究对象油层的孔隙度还只能通过计算区域岩心分析孔隙度的平均值来确定。神经网络方法在测井解释中应用较多,胜利、[1]冀东、辽河等油田都见到了很好的效果,也取得了许多成果。Mohaghegh等人在无孔隙度测井资料时,利用自然伽马、电阻率和自然电位等常规测井资料,采用神经网络方法求孔隙度取得成功。为了充分利用横向测井资料,在老井
4、中找到有利生产层位,横向测井资料重新解释工作得到了各油田的重视。有些研究区域常进行平行测井,这为横向测井资料解释孔隙度提供了条件。笔者在上世纪60年代投产的肯基亚克油田作了尝试,提出用神经网络方法和自然电位法解释横向测井资料,计算地层孔隙度。该方法为肯基亚克油田盐上油藏的孔隙度解释提供了一条简单实用且有效的途径,也为其他油田老井挖潜提出了一种孔隙度解决方案。1神经网络确定孔隙度的解释方法在肯基亚克油田只有横向测井资料的实际情况下,利用新钻8口井的物性分析资料和横向测井的GR、2m底部梯度建立模型,作计算孔隙度的尝试,也见到了很
5、好的效果。解决问题的思路是利用岩心分析孔隙度和测井响应值,提取神经网络训练样品,经网络设计、网络学习、训练得到求孔隙度的神经网络模型。111BP算法BP算法主要是利用已知的学习样本集,用误差反向传播算法进行训练并建成网络,其学习过程分为正向学习和反向传播2个过程。在正向学习过程中,输入信息从输入层经隐含单元层逐层处理,并传向输出层,每一层神经元的状态只影响下一层神经元的状态。如果在输出层不能得到期望的输出,则转入反向传播,将误差信号沿原来的连接通路返回,通过修改各层神经元的权值,使得误差信号最小。方[2]法的核心是建立BP网络
6、统一权值调整公式,具体为:ΔpWij(t+1)=η·δpj·Opk·Opi+α·ΔpWij(t)(1)式中,α为学习率;η为学习步长;δpj为j节点p模式的误差项;Opk为p模式网络节点k所期望产生的响应;[收稿日期]20050129[作者简介]叶义平(1972),男,1996年大学毕业,工程师,现主要从事油田开发、地质和测井综合方面的生产管理与科研工作。第27卷第3期叶义平等:横向测井资料的孔隙度测井解释方法研究·349·Opi为p模式网络节点i所期望产生的响应;ΔpWij为p模式网络节点i,j的连接权值的调整量;t为训练次
7、数。BP算法可以采用3层具有Sigmiod神经元的非线性网络,以任意精度逼近任何连续函数,同时还可以通过正确答案的实例集自动提取“合理的”求解规则,并且具有一定的推理能力。同时,Mohaghegh等[1]人在无孔隙度测井资料情况下,利用常规测井资料,采用神经网络方法求孔隙度取得成功。因此,选用BP网络进行孔隙度计算是合适的。112实用的孔隙度解释方法孔隙度与泥质含量、电性有密切的关系,鉴于肯图1计算孔隙度的网络拓扑结构基亚克油田只有横向测井资料,因此,选择自然伽马相对值(IGR)、地层视电阻率(Rt)2个参数作为输入神表1肯基
8、亚克油田横向测井资料网络训练输入层到隐含层的权值和阈值经元,以岩心分析孔隙度为决策属性,作为输出神经隐含输入层(权值)元。选取神经网络训练样本进行建模,通过如图1所示阈值节点IGRRt的3层网络训练,即采用1个隐含层单元,隐含层单元1-3167-101164-8018692-
