河流相沉積微相的模式識(shí)別算法及軟件開發(fā).pdf

1、沉積微相識(shí)別是研究地層結(jié)構(gòu)、構(gòu)造和分析描述儲(chǔ)層的基礎(chǔ)工作，對(duì)尋找新的油層是重要的參考依據(jù)，目前絕大部分沉積微相識(shí)別工作都是手工進(jìn)行的，工作效率低，受人為因素影響大，已不適應(yīng)大港油田生產(chǎn)的要求，尋找并實(shí)現(xiàn)一種切實(shí)可行的沉積微相計(jì)算機(jī)自動(dòng)識(shí)別方法已被人們所關(guān)注。 首先，本文采用一種基于BP神經(jīng)網(wǎng)絡(luò)技術(shù)與圖像處理技術(shù)相結(jié)合的沉積微相自動(dòng)識(shí)別方法，在BP神經(jīng)網(wǎng)絡(luò)模型選擇上，考慮到傳統(tǒng)的BP算法如果初值選取不當(dāng)，網(wǎng)絡(luò)學(xué)習(xí)易陷入局部極小，為

2、此，采用了超線性BP算法與遺傳算法相結(jié)合的方法，該方法是先利用遺傳算法進(jìn)行粗精度的學(xué)習(xí)，以達(dá)到選取初值的效果，然后采用超線性BP算法完成給定精度的學(xué)習(xí)。在小層測井曲線特征提取上，放棄以往利用BP神經(jīng)網(wǎng)絡(luò)識(shí)別沉積微相先提取曲線特征的做法，將數(shù)字化測井曲線轉(zhuǎn)化為二值點(diǎn)陣圖像模式，經(jīng)過點(diǎn)陣數(shù)據(jù)編碼壓縮，直接輸入到BP神經(jīng)網(wǎng)絡(luò)，由BP神經(jīng)網(wǎng)絡(luò)通過樣本訓(xùn)練來提取和記憶曲線所表征的地層模式特征。 其次，通過對(duì)油田多個(gè)區(qū)塊數(shù)百口井?dāng)?shù)字化測井曲