典型文献
概率神经网络在盐水水淹层识别中的应用
文献摘要：
埕岛油田油层的水淹类型主要是盐水水淹,地层电阻率随水淹程度增强呈现单调递减的特征,但地层电阻率递减量与水淹程度关系极其复杂,至今还没有有效识别水淹层及其水淹程度的方法.为此,提出了基于概率神经网络的水淹层预测模型,首先结合埕岛油田实际测井和测试结论将水淹程度划分为未水淹、弱水淹、中水淹、强水淹和特强水淹5个水淹级别,并进行测井特征参数与水淹程度相关性分析,依此优选能更好反映水淹程度的测井特征参数;其次,利用提取的测井特征参数与测试结论建立靶区概率神经网络模型学习样本库;最后,利用概率神经网络对判识样本进行水淹层预测,并用当前深度学习分类效果较好的Adaboost算法作对比分析.结果显示:概率神经网络水淹层预测精度提升了10％,有效地提高了盐水水淹层的识别精度.
文献关键词：
盐水水淹层;测井特征参数;概率神经网络;Adaboost算法;水淹层测井评价
中图分类号：
作者姓名：
李健;杨明任;杜玉山;申辉林;刘丽;孙启鹏
作者机构：
中国石化胜利油田分公司勘探开发研究院,山东东营257015;中国石油大学(华东)地球科学与技术学院,山东青岛266580
文献出处：
引用格式：
[1]李健;杨明任;杜玉山;申辉林;刘丽;孙启鹏-.概率神经网络在盐水水淹层识别中的应用)[J].油气地质与采收率,2022(06):121-129
A类：
盐水水淹层,测井特征参数,水淹层测井评价
B类：
概率神经网络,层识别,油田,油层,地层电阻率,弱水,特强,水淹级别,依此,立靶,靶区,模型学习,样本库,分类效果,Adaboost,精度提升,识别精度
AB值：
0.162135
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
