本文是以油田的科技攻关项目为背景,以节约生产成本,提高生产效率为目标,围绕地下油气储层的识别展开一系列研究工作。目前人们对地下油气储层的认识存在相当程度的模糊性和不确定性。由于某些不正确的认识会带来巨额生产资金消耗。研究油气层是识别的方法,在油气勘探开发中都具有重要的实际意义,可以提高生产效益,为国家节约巨额的资金。在油气勘探中,利用测井方法探查油气储层是必要的手段、方法,为了确定储层的埋深,储层的属性需要采用不同的测井方法提取地下不同深度的多种与地层属性相关的测井信号。这些信号从不同侧面反映地层的属性。为了在不同地层中识别储层,为了对储层进行油气性分析评价。油气勘探家需要在对测井区域石油地质深入研究分析的基础上,结合地震资料,岩心分析资料等,来对测井资料进行处理分析评价。油气储层识别与储层油气性分析是一个十分复杂的系统工程。本文首先构建以油气储层识别为目的的灰色模式识别系统,采用灰色滑动双子波模型对油气性储层进行识别,之后结合神经网络和灰色关联分析方法提出了灰色级联BP神经网络模型对油气储层识别,取得了满意的效果,对石油的勘探、开发和科研具有重要的指导意义。本文的主要内容是:1、研究了灰色滑动双子波群模型,介绍了其模型和算法思想,应用一维滑动双子波和二维滑动双子波对复杂的油气信息进行识别,从实例的结果说明其有效性和实用价值。2、研究灰色级联BP神经网络构建与训练。采用一级训练来识别储层和非储层,采用二级训练来识别储层中油、气、水的信息。并在训练样本空间的建立时采用了灰色自关联分析法和灰色互关联分析法以及欧式距离法来优选样本空间。3、将灰色级联BP神经网络模型应用于复杂的油气识别的实际问题,通过实例分析来找到测井信息中的油层、气层和水层,实践证明其有着良好的实用价值。4、为便于计算和模型的实际应用,在推导出灰色滑动双子波和灰色级联BP神经网络模型的算法后,将其都在Microsott Visual C++6.0环境下用程序实现。
