自适应BP 神经网络在横波速度预测中的应用

胡望水; 曹春; 何海泉; 李相明; 李松泽; 李子豪

doi:10.3969/j.issn.1673-8926.2013.05.015

岩性油气藏 >

2013 , Vol. 25 >Issue 5: 86 - 88

DOI: https://doi.org/10.3969/j.issn.1673-8926.2013.05.015

技术方法

自适应BP 神经网络在横波速度预测中的应用

胡望水 ,
曹春 ,
何海泉 ,
李相明 ,
李松泽 ,
李子豪

展开

中国石油辽河油田分公司勘探开发研究院，辽宁盘锦124010

王晓光（1982-），男，硕士，工程师，主要从事岩石物理及储层预测工作。地址：（124010）辽宁省盘锦市辽河油田勘探开发研究院。Email：wangxg982@163.com

网络出版日期: 2013-09-26

收起

Application of self-adaptive BP neural network to the prediction of shear wave velocity

HU Wangshui ,
CAO Chun ,
HE Haiquan ,
LI Xiangming ,
LI Songze ,
LI Zihao

Expand

Research Institute of Exploration and Development， PetroChina Liaohe Oilfield Company， Panjin 124010， China

Online published: 2013-09-26

Fold

摘要

准确的横波速度是叠前反演及叠前属性分析的必要信息，然而实际生产中横波速度资料往往匮乏，预测方法纷繁复杂且精度难以保证。通过选取自然伽马相对值、声波时差、密度和电阻率等参数，利用自适应BP 神经网络方法，建立横波速度预测模型。经辽河地区实际资料证实，神经网络模型预测横波速度与实测横波速度吻合程度良好，能够满足生产需求。

关键词： 储层非均质性; 沉积微相; 成岩作用; 嫩三段; 新立地区

本文引用格式

胡望水 , 曹春 , 何海泉 , 李相明 , 李松泽 , 李子豪 . 自适应BP 神经网络在横波速度预测中的应用[J]. 岩性油气藏, 2013 , 25(5) : 86 -88 . DOI: 10.3969/j.issn.1673-8926.2013.05.015

Abstract

Accurate shear wave velocity is the necessary information for prestack inversion and prestack attribute analysis, but it is always deficient in actual production. The prediction methods are numerous and complicated and the accuracy is difficult to ensure. By selecting the parameters such as relative natural gamma-ray value, acoustic slowness, density and resistivity, this paper used the method of self-adaptive BP neural network to establish the prediction model of shear wave velocity. The actual data in Liaohe Oilfield showthe high precision of the prediction value, and the results can meet production requirements.

Key words： reservoir heterogeneity; sedimentarymicrofacies; diagenesis; Nen 3 member; Xinli area

参考文献

［1］楚泽涵，陈丰，刘祝萍，等.估算地层横波速度的新方法［J］.测井技术，1995，19（5）：313-318.
［2］ Mavko G，Mukerji T，Dvorkin J. The rock physics handbook：Tools for seismic analysis in porous media ［M］. New York：Cambridge University Press， 1998.
［3］李庆忠.岩石的纵、横波速度规律［J］.石油地球物理勘探，1992，27（1）：1-12.
［4］ Gassmann F. Elastic waves through a packing of spheres［J］. Geophysics，1951，16（3）：673- 682.
［5］ Kuster G T，Toksoz M N. Velocity and attenuation of seismic waves in two phase media：Part Ⅰ：Theoretical formulation［J］. Geophysics，1974，39（5）：587-606.
［6］ Xu S Y，White R E. A physical model for shear wave velocity predicting［J］. Geophysical Prospecting，1996，44（4）：687-717.
［7］白俊雨，宋志翔，苏凌，等.基于Xu-Whitte 模型横波速度预测的误差分析［J］.地球物理学报，2012，55（2）：589-595.
［8］乔悦东，高云峰，安鸿伟.基于Xu-White 模型的优化测井横波速度预测技术研究与应用［J］.石油天然气学报，2007，29（5）：100-105.
［9］周中彪.基于岩石物理模型的测井约束横波速度计算方法研究［J］.物探化探计算技术，2010，32（5）：536-541.
［10］王金伟，张尔华，谢春临.虚拟孔隙度优化Xu-White 模型法预测横波速度［J］.断块油气田，2011，18（4）：445-448.
［11］ Rumelhart D，Mcclelland J. Parallel distributed processing：Explorations in the microstructure of cognition.Cambridge［M］. Cambridbe：MIT Press，1986.
［12］飞思科技产品研发中心.神经网络理论与MATLAB7 实现［M］.北京：电子工业出版社，2005：99-100.
［13］杨斌，匡立春，孙中春，等.神经网络及其在石油测井中的应用［M］.石油工业出版社，2005：26-27.
［14］李松银，郑君里.前向多层神经网络模糊自适应算法［J］.电子学报，1995，23（2）：201-205.
［15］ Karayiannis N B. Hybrid learning schemes for fast training of feedforward neural networks［J］. Mathematics and Computers in Simulation，1996，41（1）：13-28.
［16］廖晓峰，刘光远，虞厥邦.基于几种误差准则的稳健BP 算法［J］.信号处理，1997，13（3）：235-240.
［17］向国全，董道珍. BP 模型中的激励函数和改进的网络训练法［J］.计算机研究与发展，1997，34（2）：113-117.

Options

文章导航

模态框（Modal）标题

摘要

本文引用格式

Abstract

参考文献