科研之友
微信
新浪微博
Facebook
分享链接
摘要
传统的储层渗流屏障识别方法大多为定性或半定量，对于单砂体内部规模较小的储层渗流屏障的识别精度及划分效率相对较低。以沧东凹陷枣南孔一段油藏为例，基于岩心及测井资料，引入人工智能机器学习方法，提出一种基于SOM神经网络聚类和KNN算法的储层渗流屏障定量识别方法。该方法主要通过SOM算法逐点对取芯井多测井曲线进行聚类，获取能够表征储层质量差异的测井相神经单元，然后与岩性及构型进行对比，建立取芯井测井相神经单元定量划分储层渗流屏障标准，最后通过KNN算法将取芯井测井相神经单元模型传播到非取芯井，并对非取芯井进行储层渗流屏障识别与划分。结果表明，该方法对储层渗流屏障的识别结果与岩心的符合率超过90%,同时快速地对全区非取芯井渗流屏障进行划分，有效地提升储层渗流屏障的识别精度与效率，这也为类似的研究提供一种新的思路和方法。
