典型文献
BP神经网络在致密砂岩岩石相测井识别中的应用——以鄂尔多斯盆地杭锦旗地区J72井区盒1段储层为例
文献摘要：
岩石相是控制致密砂岩储层质量的重要因素,为了解决复杂类型岩石相测井精确识别难度大的问题,以鄂尔多斯盆地杭锦旗地区J72井区盒1段储层为例,在合理划分岩石相类型的基础上,运用交会图版法和BP神经网络算法对岩石相类型进行识别.结果表明:研究区盒1段岩石相可以分为五大类,分别为砾岩相、砾质砂岩相、粗砂岩相、中细砂岩相以及泥岩相,其中粗砂岩相和砾质砂岩相的物性较好;自然伽马、声波时差、补偿中子、补偿密度、地层真电阻率5条测井曲线对不同类型岩石相的响应较好,利用交会图版法识别岩石相的正确率为50.3％,而BP神经网络算法识别岩石相的正确率可达83.5％,BP神经网络算法提高了岩石相识别的精度.通过对研究区目的层岩石相的精确识别,可为后续精细刻画有效砂体提供重要指导.
文献关键词：
杭锦旗地区;下石盒子组;致密砂岩;岩石相识别;BP神经网络
中图分类号：
作者姓名：
郭辉
作者机构：
中国石化华北油气分公司,河南郑州450006
文献出处：
引用格式：
[1]郭辉-.BP神经网络在致密砂岩岩石相测井识别中的应用——以鄂尔多斯盆地杭锦旗地区J72井区盒1段储层为例)[J].石油地质与工程,2022(06):57-61,66
A类：
J72,岩石相识别
B类：
测井识别,鄂尔多斯盆地,杭锦旗地区,井区,致密砂岩储层,储层质量,杂类,精确识别,相类,交会图版,图版法,神经网络算法,五大类,砾岩,岩相,细砂岩,泥岩,中粗砂,自然伽马,声波时差,中子,补偿密度,电阻率,测井曲线,算法识别,有效砂体,下石盒子组
AB值：
0.210336
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
