简介：通过实例介绍了利用一种概率神经网络技术预测储层物性参数的方法.该方法克服了传统方法的某些局限性,预测储层物性参数时不需要地震子波;而是直接建立测井曲线和地震属性的关系,用相关系数衡量目标测井曲线和地震属性之间的相似性;用逐步递归法选取最佳属性;用交互验证法监视所选属性的可靠性.
简介：
简介：介绍利用计算机提取测井曲线形态特征的方法，研究了根据测井曲线形态特征识别岩性和沉积环境的人工神经网络（ANN）模型，并在SUN工作站上建立了相应的计算机程序。应用结果表明，用ANN模型识别岩性和沉积环境是可行的，并有较好的符合率。
简介：以鄂尔多斯盆地靖边气田东北部统5井区马家沟组马五段上部地层为对象,研究了高分辨率层序地层对沉积微相和储层在垂向上分布的控制作用。马五1—4亚段构成了一个长期基准面下降半旋回,其又可划分为5个中期基准面沉积旋回及多于26个短期基准面沉积旋回。研究结果表明：长期基准面旋回对统5井区乃至靖边气田的马五1—4亚段沉积微相和储层的控制作用是概略性的;中、短期基准面旋回控制着陆表海台地碳酸盐潮坪沉积微相在垂向上的细微变化,因而也控制着古风化壳型孔洞白云岩储层在垂向上的分布。该项研究成果可推广至其它地区相似的地层和储层研究。
概率神经网络技术在油气藏物性参数预测中的应用
HSE and petroleum geological significance of radon logging. Ding Guiming, Zhu Genqing and Liu Yili. Mud Logging En- gineering , 2013,24（1）： 1-5
利用人工神经网络技术根据测井曲线形态特征识别沉积环境
高分辨率层序地层对微相和储层的控制作用——以靖边气田统5井区马五段上部为例
