论文部分内容阅读
基于测井数据的深度挖掘性，提出了前馈式（BP）人工神经网络的沉积微相识别方法。在测井数据较少、井多的条件下深入挖掘有限的测井数据，得到具有沉积学意义的样本指标，对比不同沉积微相指标，找到各自特征。通过训练样本的优选，建立了训练样本集，对BP人工神经网络拓扑结构选择和网络训练方法进行分析和试验，总结了网络拓扑结构设置方法和成长型网络训练方法。实现了在测井数据不足、微相特征复杂的条件下实现了高效率、高准确度的沉积微相识别，其独特优势在石油地质研究中有着广泛的应用前景。