莱州湾凹陷垦利油田沙河街组储层渗透率评价模型研究

摘要

文章以莱州湾凹陷垦利油田沙河街组储层为例,对传统的回归统计模型和基于BP神经网络的人工智能预测模型评价储层渗透率方法和效果进行了对比研究.目标储量报告里定火沙三段中孔、中渗;岩性(粒度)和孔隙度是储层渗透率的主要影响因素.根据岩心及测井数据,建立了孔隙度——粒度二元回归渗透率统计评价模型和BP神经网络渗透率预测模型.通过检验样本集精度对比,分析了隐含层数、隐含层节点数等网络结构参数变化对模型预测结果的影响,重点分析了不同的测井参数输入对BP神经网络模型预测结果的影响.优化后的BP神经网络模型对检验样本集的渗透率预测结果精度最高,其平均相对误差为37％,比传统的二元回归统计模型精度提高了26％.对目标油田三口井连续处理,BP神经网络模型渗透率预测结果更加合理,可以满足开发层段产能分析等生产需求.