吴非 王卫 王佳琦

关键词：测井数据;曲线分层;交会图;BP神经网络;支持向量机;岩性识别

1绪论

地层岩性识别在水平井与地层关系解释、及随钻导向评价等方面具有的重要的研究意义。目前，可以通过岩屑录井、取芯和测井资料的处理解释等方式来获取地下三维空间的岩性信息。在岩性识别过程中，主要以sP、GR、AC、RT、DEN和CN等曲线作为岩性响应特征数据，实现对测井曲线分层、岩性识别和预测进行分析。而测井曲线分层、不同岩性识别方法对识别结果影响很大。

测井曲线分层一直是关注的热点。目前，测井曲线分层主流的方法有人工智能、数理统计和非数理统计等方法。雍世和认为测井曲线的数值变化不大的可以归为同一层，不同的层其差别比较大，就是所谓的层内差异法，基于统计学方法的测井曲线分层有李广场的有序聚类分析和Danilo R.Velis的变点分析法。阎辉等提出了小波变换方法的非数理统计方法。近年来人工智能的兴起，相关的算法也在测井曲线分层中有较多方法的应用，如刘春桃等提出了基于神经网络的测井曲线分层方法，梁亚纳等提出了基于支持向量机测井曲线分层方法等。上述方法各有优劣，数理统计方法计算量大，但数学理论严密;非数理统计方法一般只考虑局部或整体，不适合于多因素综合;人工智能方法受样本数据影响较大，如果样本训练准确率较高，则识别的效果相对较好。

岩性识别方法更是受专家和学者探讨和研究的热点之一。……