基于自組織神經(jīng)網(wǎng)絡(luò)及K最近鄰算法的儲(chǔ)層滲流屏障定量識(shí)別方法

打開(kāi)文本圖片集

摘要：傳統(tǒng)的儲(chǔ)層滲流屏障識(shí)別方法大多為定性或半定量，對(duì)于單砂體內(nèi)部規(guī)模較小的儲(chǔ)層滲流屏障的識(shí)別精度及劃分效率相對(duì)較低。以滄東凹陷棗南孔一段油藏為例，基于巖心及測(cè)井資料，引入人工智能機(jī)器學(xué)習(xí)方法，提出一種基于SOM神經(jīng)網(wǎng)絡(luò)聚類和KNN算法的儲(chǔ)層滲流屏障定量識(shí)別方法。該方法主要通過(guò)SOM算法逐點(diǎn)對(duì)取芯井多測(cè)井曲線進(jìn)行聚類，獲取能夠表征儲(chǔ)層質(zhì)量差異的測(cè)井相神經(jīng)單元，然后與巖性及構(gòu)型進(jìn)行對(duì)比，建立取芯井測(cè)井相神經(jīng)單元定量劃分儲(chǔ)層滲流屏障標(biāo)準(zhǔn)，最后通過(guò)KNN算法將取芯井測(cè)井相神經(jīng)單元模型傳播到非取芯井，并對(duì)非取芯井進(jìn)行儲(chǔ)層滲流屏障識(shí)別與劃分。（剩余17621字）