专利名称：双重神经网络储层预测方法
技术领域：
本发明涉及石油地震勘探储层和油气预测方法，属于双重神经网络储层预测方法。
背景技术：
目前，在石油地震勘探储层和油气预测中广泛应用的神经网络方法包括BP神经网络、自组织映射网络等预测方法。自组织映射网络可对输入的地震特征参数进行分类，但若直接用分类结果预测储层，其预测结果精度较低；尽管BP神经网络是石油地震勘探储层和油气预测方法中应用的比较广泛，但在复杂岩性油气储层预测中，因储层及围岩的厚度和岩性在横向上的变化，其地震响应特征也变化较大，这样在不同沉积相带内即使是含有相同流体类型的储层，其地震响应特征将有所不同。使得BP神经网络对复杂地震特征参数的训练难以收敛，储层预测效果并不理想，精度低。
发明内容
为了克服现有的石油地震勘探储层和油气预测中自组织映射网络和BP神经网络方法预测精度低的不足，本发明提供一种双重神经网络储层预测方法，该方法可以提高预测结果的精度。
本发明解决其技术问题所采用的技术方案先将地震特征参数输入到自组织映射网络，自组织映射网络将根据输入地震特征参数的不同，输出时将地震特征参数划分为不同的类别，每一类别地震特征参数对应于地下不同的沉积相带；再将自组织映射网络划分的各类结果分别作为各BP神经网络的输入参数，使得各BP神经网络得以在沉积相带的约束下对储层进行预测。
本发明的有益效果本发明充分利用了自组织映射网络所具有的分类功能和BP神经网络所具有的良好学习预测性能的优点，同时又避免了单独使用自组织映射网络和BP神经网络时，自组织映射网络分类不准、BP神经网络训练难以收敛而达不到高精度预测结果的缺点。该预测方法结合了二者的优点，将其应用于油田勘探开发，储层预测含油气符合率为80％--95％，预测精度高，为提高钻井成功率发挥了重要作用。
图1是对大庆油田太190井区葡萄花油层油气预测出的剩余油分布图；图2是大庆油田龙201井区葡萄花油层油气预测平面图；图3是吉林油田新北地区黑帝庙油层油气预测结果。
具体实施例方式下面结合实施例对本发明的附图作进一步说明该双重神经网络储层预测方法，包括一个自组织映射网络和若干个BP神经网络构成，输入样本是地震特征参数。在该预测方法中，首先将地震特征参数输入到输入层的自组织映射网络里，自组织映射网络按照输入地震特征参数的不同，将输出结果划分为不同的类别，各类别对应于地下不同的沉积相带；然后，再将输出结果各自作为各BP神经网络的输入参数，BP神经网络就很容易地对输入的参数进行学习训练、收敛，并在沉积相带的约束下实现储层预测。
实施例1在图1中是利用双重神经网络储层预测方法，对大庆油田太190井区葡萄花油层油气预测结果的一个实例。在图1中深色阴影部分为有利含油区，浅色阴影部分为含油区，其余白色部分为含水区；“●”表示新钻含油井，“▲”表示新钻含水井。
太190井区块是大庆油田的开发老区，面积18平方公里。区内共有各类钻井77口，其中在葡萄花油层64口井含油，13口井含水。使用双重神经网络储层预测方法对太190井区块的葡萄花油层进行了油气预测。图1是用双重神经网络储层预测方法预测出的剩余油分布图。按预测结果部署了34口井位，钻井结果显示34口井中只有2口井含水，与预测结果不符，其余32口井全部是油井，与预测结果完全相符，钻井验证成功率为94％。太190井区的葡萄花油层34口井油气预测及试油结果见表1。
表1
实施例2图2是大庆油田龙201井区葡萄花油层油气预测平面图。在图2中深色阴影部分为有利含油区，白色部分为含水区。
大庆油田龙201井区是一开发区块，面积240平方公里。该区块原有钻井7口，其中，在葡萄花油层有4口井含油，3口井含水。以这7口井及该区的高分辨率二维地震资料作为基础资料，利用双重神经网络储层预测方法对龙201井区葡萄花油层进行了油气预测，图2是龙201井区葡萄花油层油气预测平面图。图2中预测的含油区域与地质解释的河道砂体分布吻合的很好。按预测结果已钻井8口，其中只有一口井与预测结果不符，预测成功率为87.5％。龙201井区葡萄花油层8口井油气预测及试油结果见表2。
表2
实施例3图3是吉林油田新北地区黑帝庙油层油气预测结果。在图3中深色阴影部分为有利含油区，浅色阴影部分为含油区，其余白色部分为含水区；“○”表示验证井。
吉林油田新北区块面积166平方公里。图3是用双重神经网络储层预测方法并利用该区块的三维地震资料和20口钻井资料对黑帝庙油层的油气预测结果。图中的油气分布区(深色阴影区)主要分布在以新北油田为中心的一个近南北的条带中。预测工作完成后，又提供了40口井作为验证，这40口井都集中在新北油田，且在黑帝庙油层都含油，预测结果与之全部吻合。
权利要求
1.一种涉及石油地震勘探储层和油气预测领域所用的双重神经网络储层预测方法，包括一个自组织映射网络和若干个BP神经网络，其特征在于先将地震特征参数输入到自组织映射网络，自组织映射网络将根据输入地震特征参数的不同，输出时将地震特征参数划分为不同的类别，每一类别地震特征参数对应于地下不同的沉积相带；再将自组织映射网络划分的各类结果分别作为各BP神经网络的输入参数，使得各BP神经网络得以在沉积相带的约束下对储层进行预测。
全文摘要
一种双重神经网络储层预测方法。解决了神经网络在储层预测中预测结果精度低的问题。包括一个自组织映射网络和若干个BP神经网络，其特征在于先将地震特征参数输入到自组织映射网络，自组织映射网络将根据输入地震特征参数的不同，输出时将地震特征参数划分为不同的类别，每一类别地震特征参数对应于地下不同的沉积相带；再将自组织映射网络划分的各类结果分别作为各BP神经网络的输入参数，使得各BP神经网络得以在沉积相带的约束下对储层进行预测。利用该预测方法预测储层含油气符合率为80％－95％，预测精度高。
文档编号G01V1/28GK1504762SQ02152379
公开日2004年6月16日 申请日期2002年12月5日 优先权日2002年12月5日
发明者张向君 申请人:大庆石油管理局