[發明專利]基于自組織競爭神經網絡的頁巖氣儲層識別方法

有效

• 申請號: 201410590152.1
• 申請日: 2014-10-29
• 公開（公告）號: CN104453875B
• 公開（公告）日: 2018-05-01
• 發明（設計）人: 瞿子易;龐江平;吳萍;王瀅;曹玉;吳家杰;李天書
• 申請（專利權）人: 中國石油集團川慶鉆探工程有限公司
• 主分類號: E21B49/00
• 分類號: E21B49/00;G06F17/50
• 代理公司: 成都天嘉專利事務所(普通合伙)51211
• 代理人: 毛光軍

1.一種基于自組織競爭神經網絡的頁巖氣儲層識別方法，其特征在于，包括如下步驟：

a、綜合同一個區塊內已鉆頁巖氣水平井的測井、錄井、試油資料，并根據測井解釋及試油資料對頁巖氣水平段數據進行分類；

b、以區塊內分類后的頁巖氣水平井資料為基礎，利用區域數據，將隨鉆參數作為訓練樣本進行優選；

c、對隨鉆參數進行歸一化處理；

d、以區塊內的頁巖氣水平段數據為基礎，建立區域SOM神經網絡模型；

e、利用建立的模型對作為預測樣本的正鉆頁巖氣水平井進行儲層識別。

2.根據權利要求1所述的基于自組織競爭神經網絡的頁巖氣儲層識別方法，其特征在于：所述步驟a中，分類過程為：根據已鉆頁巖氣水平井的測井解釋資料、試油資料及生產測井資料，對頁巖氣水平段數據進行綜合評價并分類。

3.根據權利要求1或2所述的基于自組織競爭神經網絡的頁巖氣儲層識別方法，其特征在于：所述步驟b中，以區塊內分類后的頁巖氣水平井資料為基礎，通過最優子集法，優選出最能反映儲層特征的隨鉆參數。

4.根據權利要求3所述的基于自組織競爭神經網絡的頁巖氣儲層識別方法，其特征在于：所述步驟c中，由于隨鉆參數間存在級差，為了防止因數據級差過大帶來的額外誤差，需要對優選后的隨鉆參數進行極差歸一化處理。

5.根據權利要求4所述的基于自組織競爭神經網絡的頁巖氣儲層識別方法，其特征在于：所述步驟c中，歸一化處理過程為：

設原始數據x_ij(i=1,2,…,n; j=1,2,…,m)，極差變換公式為：

（1）

式中n為樣品個數，m為變量個數，x_j(min)為n個樣品中第j個變量的最小值，x_j(max)為n個樣品中第j個變量的最大值，這樣變化后的新數據在0~1之間。

6.根據權利要求1、2、4或5所述的基于自組織競爭神經網絡的頁巖氣儲層識別方法，其特征在于：所述步驟d中，以區塊內的頁巖氣水平段數據為基礎，通過調節神經網絡神經元參數建立SOM神經網絡模型。

7.根據權利要求6所述的基于自組織競爭神經網絡的頁巖氣儲層識別方法，其特征在于：所述步驟d中，為了建立更有效的模型，需要對步驟b、c、d進行多次循環，建立到達要求精度的SOM神經網絡模型。

8.根據權利要求1、2、4、5或7所述的基于自組織競爭神經網絡的頁巖氣儲層識別方法，其特征在于：所述步驟e中，根據正鉆井的隨鉆參數，歸一化后代入區域SOM神經網絡模型中對頁巖氣儲層進行識別。