高精度流动单元分类方法及应用

摘要

西湖凹陷砂岩储层具有孔隙结构差、孔隙类型多样的特点,采用传统渗透率模型对其计算的结果,无法满足储层评价的精度要求。在岩心资料综合分析的基础上,根据流动单元分类建立的渗透率模型,虽然计算结果精度高,但利用测井参数计算的流动单元指数误差较大,不能准确划分流动单元类型。而基于机器学习算法的流动单元分类方法均为数据驱动,由于取心作业一般具有针对性,故某一类岩心数量会远远多于其他类,利用该算法预测时,其结果就会偏向数量多的类。针对传统流动单元划分方法存在的问题,文中提出了一种基于集成神经网络的流动单元分类方法。实际应用结果表明,利用集成神经网络分类模型划分的储层流动单元类型与实际岩心的流动单元类型吻合度高,具有良好的推广应用前景。