BP神经网络在西湖凹陷烃源岩评价中应用.pdfVIP

矿床 地质 MINERALDEPOSITS 第33卷增刊 BP神经网络在西湖凹陷烃源岩评价中的应用 赵兴齐 (核工业北京地质研究院中核集团铀资源勘查与评价技术重点实验室，北京 100029) 在测井评价中使用BP神经网络法拟合TOC含量，可以获得钻井剖面中连续、完整的烃源岩TOC含 量变化和分布特征，从而解决了海上钻探井取样的困难。选取对TOC含量影响较大的GR、CN、CAL、 行拟合，从而为西湖凹陷烃源岩的评价提供了更加合理的地球化学参数。在烃源岩评价中为了更全面地了 等信息。无论是骨架中的烃类还是液态烃类都拥有较高的电阻率、声波时差、中子，较低的密度，用测井 响应反演烃类物质的含量并不能准确的区分它们，也即是说在类型和成熟度数据不够多时测井方法还不能 很好的区分S】和S2的含量。这也是文献中用BP神经网络拟合TOC含量的例子比较多，而拟合S】、S2的 类型的情况下TOC含量对S2斜率随成熟度改变而变化。但S2的改变量可能随着S1的增多而得到补偿， 分析表明，TOC含量与Sl+S2之间具有很好的相关性(图2)，且成熟度对其没有明显的影响，在全凹陷内 都是稳定的；同样，我们可以拟合得到烃源岩HI与TOC之间有对数关系(图3)。其地球化学参数的拟合 步骤如下：利用BP神经网络的模式识别煤层叶前期处理，实测数据深度归位_÷选择影响力较大的敏感测 井曲线_÷分岩性将样品的敏感测井曲线值作为输入端_÷真实TOC含量作为输出端训练网络_利用不同岩 性的神经网络来拟合地球化学参数_将不同岩性的地球化学数据拼接至结果(图4)。 250 2∞ 150 善 l∞ 军 试 50 0 0 20 40 砷 TOC(％) 图I西湖凹陷的TOC含量与S1+S2在不同成熟度下 图2西湖凹陷花港组与平湖组TOC含量 关系示意图 与Sl+S2关系示意图 852 I∞∞ 识别煤层 样品深度矫正 1000 选择敏感曲线 日l∞ 董 训练泥岩神经网络 训练煤神经网络 IO 拟合泥岩的地球化学参数 拟合煤的地球化学参数 拼接结果 图3西湖凹陷花港组与平湖组TOC含量 图4测井数据拟合地球化学参数 与HI关系示意图 流程示意图 图5为平湖1井花港、平湖组的拟合成果图，其BP神经网络拟合烃源岩地化参数与实测值有很好的 相关性，表明本次建立的