基于参数优选的储层渗透率深度置信网络模型预测初探

摘要

储层渗透率是储层产能的一个重要影响因素.针对常规测井渗透率模型在孔隙连通性差的低渗砂岩储层预测精度不高的问题,提出利用深度置信网络算法结合常规测井曲线预测储层渗透率的方法.该方法利用灰色关联法对测井曲线进行了关联度分析,依据相关度排序选取了特征敏感测井曲线,结合深度置信网络的有监督学习调优与对比散度算法进行数据挖掘,建立了渗透率的预测模型.该模型在以往BP神经网络的基础上改善了局部优化的问题,提高了网络模型的训练效率与预测精度.预测模型的平均相对误差为9.1％,相比常规渗透率模型,降低了20％左右.通过对实际资料的处理应用,结合误差分析,表明该方法能够有效地提高低渗透储层渗透率的预测精度.