赵忠军, 刘烨, 王凤琴, 张志刚, 任攀虹

(1.长庆油田分公司苏里格气田研究中心, 陕西 西安 710018; 2.低渗透油气田勘探开发国家工程实验室, 陕西 西安 710018; 3.西安石油大学计算机学院, 陕西 西安 710065)

0 引 言

近年来诸多学者基于智能算法对测井信息的自动识别研究进行了很多扩展,这是由于智能算法在复杂非线性信号分类方面具有其独到的优势。Saumen利用贝叶斯神经网络以测井曲线为基础对岩石的类别及沉积相进行自动分辨,Alpana利用模块化的神经网络从测井曲线中提取测井相信息[1-3]。Saggaf等[4-5]在2000年便通过测井资料估计岩相和沉积相,2003年尝试使用模糊逻辑对岩性与沉积相进行识别。卢松等[6]利用BP网络对曲流河沉积微相进行了自动识别研究。徐少华等[7]将BP网络与图像处理技术结合,实现岩心图像的沉积微相自动识别。吴永良等[8]在自组织神经网络基础上对三角洲沉积微相进行了识别研究。Sambridge等[9]使用贝叶斯推断与蒙特卡洛算法解决地球物理信号中的复杂问题。Lampinen和Maiti等[10-12]将混合马尔科夫链及马尔科夫蒙特卡洛用于神经网络训练。一些新技术的引入虽然带来了较好的分类结果,但沉积微相自动识别技术仍存在一定的不足之处。首先智能算法中如人工神经网络的使用类型主要集中于BP网络,关于新技术方法的讨论与应用还是相对较少,模型的效率、收敛速率以及预测精度均会受到影响。在沉积相识别研究方面,通常集中于曲流河,缺少辫状河相关研究。……