论文部分内容阅读
本文提出一种利用测井资料和神经网络技术预测毛管压力曲线的方法。测井资料解释可以获得储层的孔隙度、渗透率等物性参数和分选系数、平均毛管半径等孔隙结构参数,这些参数决定了毛管压力曲线的形态特征。神经网络具有一定的自学习、自适应和非线性映射能力,能够从数据样本中学习规律,在信息处理过程中不需要建立具体的关系式,减少了人工干预。测井资料数据处理时用常现方法难以准确确定的参数可以由神经网络实现,并且获得较好的效果。本文的全部计算均由神经网络实现。预测毛管压力曲线时,选择具有代表性的岩样实验数据作为样本集,对网络训练