复杂岩性及多相流体智能识别方法.pdf

复杂岩性及多相流体智能识别方法.pdf

ID:48010552

大小:2.40 MB

页数:6页

时间:2020-01-14

复杂岩性及多相流体智能识别方法.pdf_第1页
复杂岩性及多相流体智能识别方法.pdf_第2页
复杂岩性及多相流体智能识别方法.pdf_第3页
复杂岩性及多相流体智能识别方法.pdf_第4页
复杂岩性及多相流体智能识别方法.pdf_第5页
资源描述:

《复杂岩性及多相流体智能识别方法.pdf》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库

1、石油勘探与开发2012年4月PETROLEUMEXPLORAT10NANDDEVEL0PMENTVOl_39No.2243文章编号:1000—0747(2012)02—0243—06复杂岩性及多相流体智能识别方法李雄炎,周金昱。,-,李洪奇,张少华,陈亦寒2(1.中海油研究总院;2.中国石油大学(北京)博士后流动站;3.低渗透油气田勘探开发国家工程实验室;4.中国石油长庆油田公司勘探开发研究院;5.中国石油大学(北京)地球物理与信息工程学院)基金项目:国家高技术研究发展计划(863)项目(2009AA062802)摘要:基于优化

2、算法与分类算法的基本原理,针对K—Means优化后的岩心、测井和产液数据集,利用自组织特征映射神经网络SOM聚类建立岩性预测模型,综合决策树和支持向量机建立流体预测模型,并利用遗传算法、网格算法和二次算法对支持向量机的重要参数进行优化,以精确识别复杂储集层岩性和多相流体。对准噶尔盆地东部五彩湾凹陷石炭系复杂储集层4口新井进行精细解释,SOM岩性预测模型、决策树和支持向量机流体预测模型识别准确率分别为91.30%和95.65%,岩性复杂并非导致该储集层中流体性质差异的主要因素;由于研究区数据集复杂性和非线性程度不够强,导致决策树的

3、建模精度优于支持向量机,分别为94_31%和86.97%,且线性的多项式函数性能优于径向基函数RBF和神经元函数Sigmoid、支持向量分类机中C-SVC的分类性能和泛化能力强于0.SVC。图3表4参24关键词:岩性识别;流体识别;储集层评价;计算智能;预测模型中图分类号:TE122.1文献标识码:AComputationalintelligentmethodsforpredictingcomplexlithologiesandmultiphasefluidsLiXiongyan一,ZhouJinyu一,LiHongqi,Zha

4、ngShaohua一,ChenYihan(1.CNOOCResearchInstitute,Beo'ing100027,China;2.PostdoctoralCenterofChinaUniversityofPetroleum,Beijing102249,China;3.NationalEngineeringLaboratoryfo,LowPermeabilityPetroleumExplorationandDevelopment,Xi’an710018,China;4.Exploration&DevelopmentResea

5、rchInstituteofPetroChinaChangqingOilfieldCompany,Xi’an710018,China;5.CollegeofGeophysicsandInformationEngineering,ChinaUniversityofPetroleum,Beijing102249,China)Abstract:Onthebasisofthebasicprinciplesofoptimizationalgorithmsandclassificationalgorithms,theSelf-Organiz

6、ingfeatureMapneuralnetwork(SOM)isappliedtoestablishthepredictivemodeloflithologyfortheK—Meansoptimizeddatasetincludingcoredata,loggingdataandwelltestsdata.Additionally,thedecisiontreeandsupportvectormachineareusedtobuildthepredictivemodeloffluidonthebasisofthelitholo

7、gyidentification.Theoptimizationalgorithms,includinggenetic,gridandquadratic,areadoptedtooptimizetheimportantparametersofC-SVCandD—SVC,suchaseandy,soastoaccuratelyidentifythecomplexlithologiesandmulti~'hasefluidsofcomplicatedreservoirs.TheSOMmodelandthedecisiontreean

8、dsupportvectormachineareutilizedtoprocessfournewwellsinthecomplicatedCarboniferousreservoirsoftheWucaiwanSag,easternJunggarBasin.Th

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。