準噶爾盆地瑪湖凹陷JL57井區上烏爾禾組發育塊狀砂礫巖儲層,砂礫巖可以細分為粗礫巖、中礫巖、細礫巖、中粗砂巖和粉細砂巖5類巖性,有效儲層為中礫巖、細礫巖和中粗砂巖3種巖性,如何識別出有效儲層巖性,是油田生產試油選層亟待解決的問題。傳統利用測井曲線與巖性間簡單線性關系的交會圖法無法滿足油田生產對巖性識別的要求,而傳統利用非線性關系的BP神經網絡模型巖性識別方法,雖然能識別部分砂礫巖種類,但該方法需要輸入參數多,運算量大,識別結果準確率一般。本文探索性利用主成分分析法先從自然伽馬、自然電位、地層電阻率、聲波時差、密度、補償中子6種測井曲線中計算出主成分特征值X、Y、Z三個參數,然后用三個特征值參數替代傳統BP神經網絡模型中6個油氣參數作為新的輸入參數,與傳統BP神經網絡模型對比,簡化了BP神經網絡模型的網絡結構,減少了模型計算量,而且巖性識別準確率得到了有效提高,有效地解決了研究區測井識別巖性問題。

【文章頁數】：4 頁

【文章目錄】：
1 方法原理
    1.1 主成分分析法（PCA）原理
    1.2 BP神經網絡原理
    1.3 PCA與BP神經網絡模型關系
2 應用實例
    2.1 樣本參數設定
    2.2 主成分分析法特征提取
    2.3 模型建立
    2.4 應用效果
3 結論



本文編號：3999338