径向基函数神经网络法致密砂岩储层相对渗透率预测与含水率计算

作者：王谦; 谭茂金^*; 石玉江; 李高仁; 程相志; 罗伟平

来源：石油地球物理勘探, 2020, 55(04): 864-704.

DOI：10.13810/j.cnki.issn.1000-7210.2020.04.018

• 致密砂岩
• 径向基函数(RBF)
• 相对渗透率
• 分流量方程
• 含水率

致密砂岩储层具有物性差、孔隙结构复杂、非均质性强等特点,导致利用传统方法难以精确预测或计算其相对渗透率和含水率。为此,文中提出基于径向基函数(RBF)的神经网络预测相对渗透率方法:在介绍RBF神经网络原理的基础上,选择高斯函数和最近邻聚类算法构建网络模型;以含水饱和度、核磁束缚水饱和度、孔隙度、渗透率等四参数为输入,油、水相对渗透率为输出,根据误差分析确定最佳相对渗透率预测网络模型及参数;最后采用分流量方程计算得到储层含水率。将该方法应用于鄂尔多斯盆地陇东地区延长组长8储层,预测的油、水相对渗透率与相渗实验结果一致,计算的含水率与测试结果吻合。

• 单位
  中国石油勘探开发研究院; 中国地质大学（北京）