基于BP神经网络的页岩静弹性模量预测研究

摘要：

页岩的静弹性模量是页岩油气资源勘探开发整个过程的重要参数,现阶段页岩静弹性模量的预测往往是先使用岩芯纵波时差及密度计算出动态弹性模量,再寻找动、静态弹性模量之间的关系.岩石矿物组成的差异常常导致常规思路得到的动、静态弹性模量的相关性较差,预测结果难以满足工程需求.为完成对研究区块岩芯的静弹性模量预测研究,首先对岩芯进行密度及纵波时差的测量;而后运用全岩矿物分析、黏土矿物分析及三轴压缩试验的方法对岩芯静弹性模量进行对比分析;并由三轴压缩试获取岩芯静弹性模量.按输入变量的不同建立并训练了三个BP神经网络预测系统;并对三个预测系统的应用效果加以对比分析.分析结果表明:只以岩芯密度和纵波时差为输入变量的BP神经网络的预测效果较差;以岩芯密度、纵波时差、石英含量及伊利石含量为输入变量时的BP神经网络预测效果较好,以岩芯密度、纵波时差、石英含量、方解石含量、伊利石含量及伊/蒙混层含量为输入变量时的BP网络预测效果最好.

关键词：页岩、BP神经网络、密度、纵波时差、矿物组成、静弹性模量

所属期刊栏目：16

分类号：P574.12(矿物学)

资助基金：国家自然科学基金石油化工联合基金重点支持项目U1262209;国家自然科学基金51274172;四川省基础研究计划项目2014JY0092

在线出版日期：2016-12-28（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：176-180,195