摘要：根据密闭取芯检查井资料和地质分析方法,通过人工神经网络(ANN)模式预测,即利用ANN方法可以确定薄差储层可动剩余油.首先输入形成剩余油的主要参数,然后通过网络的不断学习,最后输出判别精度较高的含油饱和度、含水率或水淹级别等参数.该方法的技术关键是输入参数类型的确定,它涉及剩余油的形成机制和分布规律等问题.在深入探讨高含水油田开发后期剩余油成因类型的同时,还在诸多的剩余油影响因素中,确定了利用神经网络判别单井、单层剩余油的参数,即井点砂体类型、井点所处位置、注水井砂体类型、注水井距和注水时间.将研究方法应用在大庆长垣萨尔图油田北二区东部三次加密试验区,预测薄差层的水淹分布状况,对解决三次加密调整井区存在的问题很有成效.同时指出了对该识别方法产生影响的因素.

原文链接:http://www.cqvip.com//QK/90539X/200202/6396799.html

送人玫瑰，手留余香~如您已下载到该资源，可在回帖当中上传与大家共享，欢迎来CDA社区交流学习。（仅供学术交流用。）