测井储层参数预测+人工智能方法

1 问题描述

测井储层参数预测

• 地层泥质含量；
• 地层孔隙度（POR）；
• 含水饱和度（SW）；
• 渗透率（PERM）。

输入：声波时差（AC）、补偿中子（CNL）、密度（DEN）、井径（CAL）、自然伽马（GR）、自然电位（SP）、电阻率测井值（RT）；
输出：孔隙度（POR）、渗透率（PERM）、含水饱和度（SW）。

2 传统方法

输入：自然伽马（GR）曲线或自然电位（SP）曲线；
输出：地层泥质含量。

输入：泥质校正后的声波时差（AC）、补偿中子（CNL）、密度（DEN）；
输出：地层孔隙度（POR）。

输入：电阻率测井值（RT）、孔隙度（POR）、泥质含量；
输出：含水饱和度（SW）。

输入：井径（CAL）；
输出：校正后的井眼。

3 多任务学习模型

3.1 同架构多任务储层参数预测模型

特点：

• 各层（除输出层）：共享神经元；
• 输出层：每个储层参数独立计算。
  
  特点：
• 共享层：靠近输入层，提取的信息较为广泛；
• 私有层：靠近输出层，提前的信息与输出值关联更大。

3.2 异架构多任务储层参数预测模型

特点：

• 共享层：靠近输入层，提取的信息较为广泛；
• 私有层：靠近输出层，每个储层参数的私有层结构各不相同。