基于自組織神經(jīng)網(wǎng)絡及K最近鄰算法的儲層滲流屏障定量識別方法

打開文本圖片集

摘要：傳統(tǒng)的儲層滲流屏障識別方法大多為定性或半定量，對于單砂體內部規(guī)模較小的儲層滲流屏障的識別精度及劃分效率相對較低。以滄東凹陷棗南孔一段油藏為例，基于巖心及測井資料，引入人工智能機器學習方法，提出一種基于SOM神經(jīng)網(wǎng)絡聚類和KNN算法的儲層滲流屏障定量識別方法。該方法主要通過SOM算法逐點對取芯井多測井曲線進行聚類，獲取能夠表征儲層質量差異的測井相神經(jīng)單元，然后與巖性及構型進行對比，建立取芯井測井相神經(jīng)單元定量劃分儲層滲流屏障標準，最后通過KNN算法將取芯井測井相神經(jīng)單元模型傳播到非取芯井，并對非取芯井進行儲層滲流屏障識別與劃分。（剩余17621字）