測井資料人工解釋是目前主流的儲層流體性質(zhì)識別手段,但其應(yīng)用于復(fù)雜儲層時存在識別率低、非智能化的缺陷;而近年來發(fā)展起來的深度學(xué)習(xí)方法可以從海量數(shù)據(jù)中自動提取數(shù)據(jù)特征,非線性預(yù)測能力強。基于目標(biāo)區(qū)塊已有大量測井資料和試油結(jié)果數(shù)據(jù),在應(yīng)用常規(guī)深度神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)上,提出一種采用混合采樣技術(shù)、ReLU-Softmax激活函數(shù)和Dropout正則化的組合優(yōu)化新方法。優(yōu)化后的網(wǎng)絡(luò)模型對流體識別問題適應(yīng)性強,且有效避免了樣本不均衡、過擬合等問題。將該方法應(yīng)用于車排子油田低滲油藏某井區(qū),對12口井的水層、干層、油水同層、油層4種流體進行識別,結(jié)果顯示總體識別準(zhǔn)確率達82.7%,單一流體識別率也均較高。且組合優(yōu)化方法的識別效果明顯優(yōu)于其他方法,尤其使得小樣本類——油層和油水同層的識別率得到顯著提高。展現(xiàn)了深度學(xué)習(xí)在復(fù)雜儲層流體性質(zhì)識別中良好的應(yīng)用效果。 

【文章來源】：科學(xué)技術(shù)與工程. 2020,20(29)北大核心

【文章頁數(shù)】：8 頁

【文章目錄】：
1 方法原理
    1.1 樣本優(yōu)化——混合采樣技術(shù)
    1.2 網(wǎng)絡(luò)結(jié)構(gòu)改進
        1.2.1 ReLU-Softmax激活函數(shù)
        1.2.2 Dropout正則化
    1.3 識別原理——組合優(yōu)化策略
2 區(qū)域概況與測井響應(yīng)特征
3 儲層流體性質(zhì)識別
    3.1 深度學(xué)習(xí)參數(shù)選取
    3.2 識別結(jié)果與模型驗證
4 結(jié)論


【參考文獻】：
期刊論文
[1]基于隨機森林的濁積巖儲層預(yù)測方法[J]. 任雄風(fēng),劉楊,張軍華,譚明友,張云銀,于正軍.  科學(xué)技術(shù)與工程. 2019(25)
[2]逐步判別分析方法在新北油田水淹層識別中的應(yīng)用[J]. 馬福軍,李楠,劉剛,王婷.  復(fù)雜油氣藏. 2019(02)
[3]波形分類技術(shù)在縫洞型儲層流體識別中的應(yīng)用[J]. 逯宇佳,曹俊興,劉哲哿,田仁飛,肖學(xué).  石油學(xué)報. 2019(02)
[4]基于常規(guī)測井資料的儲層流體識別方法[J]. 王麗,袁偉,丁磊,駱玉虎.  地質(zhì)科技情報. 2018(02)
[5]ReLU激活函數(shù)優(yōu)化研究[J]. 蔣昂波,王維維.  傳感器與微系統(tǒng). 2018(02)
[6]基于深度學(xué)習(xí)的測井巖性識別方法研究與應(yīng)用[J]. 安鵬,曹丹平.  地球物理學(xué)進展. 2018(03)
[7]低孔低滲儲層流體性質(zhì)測錄井綜合識別方法研究現(xiàn)狀與展望[J]. 杜陽陽,王燕,李亞峰,魏拓,李曉軍,王建偉,路智勇,李林祥,譚河清.  地球物理學(xué)進展. 2018(02)
[8]川東北地區(qū)須家河組致密砂巖儲層流體識別方法研究[J]. 凡睿,周林,吳俊,曾韜,周曉峰.  油氣地質(zhì)與采收率. 2015(03)
[9]測錄井結(jié)合神經(jīng)網(wǎng)絡(luò)流體識別技術(shù)在高郵凹陷阜寧組的應(yīng)用[J]. 任培罡,尹軍強,楊加太,曹書坡,雷磊.  測井技術(shù). 2015(02)
[10]碳酸鹽巖儲層測井評價方法綜合研究[J]. 徐敬領(lǐng),王貴文,王亞靜,秦宇星.  石油物探. 2012(05)



本文編號：3637539