一种基于高阶神经网络利用常规测井资料评价脆性指数的方法

摘要

本发明公开了一种基于高阶神经网络利用常规测井资料评价脆性指数的方法，其核心是根据研究区矿物含量分析，将矿物成分进行分类，如石英、长石、碳酸盐矿物、黏土矿物及其他矿物，根据分类确定每个测试样品的每类矿物含量，利用常规测井资料和样品分析数据，优选对矿物组分较为敏感的常规测井曲线，以确定合适的测井曲线输入，如密度(DEN)、深侧向电阻率(Rd)、浅侧向电阻率(Rs)、自然伽马(GR)、补偿中子(CNL)和声波时差(AC)，采用高阶神经网络法，专门针对以上各类矿物组分含量的各测井曲线权重进行深入学习，有效提高各矿物组分含量评价的准确性和时效性，进而提高基于矿物含量脆性指数公式计算脆性指数的准确性和时效性，克服了现有技术存在的缺陷。