BP神经网络在裂缝密度识别中的应用

丁烽娟，徐守余，党黎锋



BP神经网络在裂缝密度识别中的应用

丁烽娟1，徐守余1，党黎锋2

（1.中国石油大学（华东），山东 青岛 266555； 2.中海油能源发展股份有限公司工程技术 深圳分公司，广东 深圳 518000）

由于其很好的自适应性和非线性映射能力，神经网络技术在石油领域得到了广泛的应用。结合模糊相关性分析和主成分分析的方法，利用改进的BP神经网络的方法，通过岩心和成像标定的常规测井数据实现对单井裂缝密度的识别，取得了很好的效果。

BP神经网络；模糊相关性分析；主成分分析；测井；单井裂缝密度

1 引 言

近几年来人工神经网络的研究，不但在理论方面有了长足的发展，而且也应用到更多的领域。由于其很好的自适应性、非线性映射能力和高度并行处理的能力而被广泛地应用于各个行业，在石油化工和石油地质领域都取得了很多的成果。不仅应用于石油化工、生产软测量建模、深色油品评价，而且在试井分析、地震处理、测井解释等方面也有很多研究［1-4］，同时越来越多的人将其应用于裂缝研究［5,6］。

与常规的砂岩储层相比，裂缝储层岩性特征相对复杂、裂缝发育、非均质性严重、具有双重孔隙介质等，对裂缝进行识别和评价非常的困难，虽然成像测井技术在裂缝识别方面具有极大的优势，由于受成本的制约，只能在少数的几口井中测量，并且测量过程中经常受到井壁状况的影响，使测量的结果受到一定的限制［7］，而常规测井成本低，应用比较广泛，但是在裂缝识别方面，常规测井方法具有很大的局限性，主观解释不确定性以及结果的多解性制约着常规测井在裂缝识别方面的应用。神经网络方法的应用使常规资料结合成像测井，降低成本，提高裂缝预测准确性的问题成为了可能。本文运用BP神经网络的方法对井点裂缝密度进行回归和预测。

2 BP神经网络原理及改进

（1）基本原理

人工神经网络（简称神经网络）是由大量处理单元（神经元）广泛互联而成的网络，其组织能够模拟生物神经系统对真实事件所作出的交互反应［8］。BP算法是目前在各个领域应用中使用最广泛、最直观、最易理解，同时也最为成熟的一种算法。BP神经网络是一种有监督的学习算法，具有误差反向传播的特点。

BP网络主要由输入层、隐含层和输出层三部分组成，其中不同层之间相互连接，同一层内不存在相互连接，隐含层的个数可以是一个，也可以有很多个［9］。通过训练，不断的调解权重而达到输出误差最小化的目的。学习过程包括正向的计算和误差的反向传播两部分。训练样本输入后经过中间隐含层逐层计算和学习，通过权值和激活函数运算后，得到一个输出，如果与期望的输出相差较大，则转入误差反向传播过程，从输出开始反向传播，通过修改各层神经元的权值，使实际输出与期望输出误差逐渐减小，不断计算，直到达到给定值，学习阶段结束。学习过程的作用是把隐含在输入模式中的非线性关系隐藏到神经网络的内部，分布到各个连接权值上，最终的权系数用作对属性参数的预测。将预测值送入网络中，即可获得预测的输出值。

（2）BP网络算法的改进

为了达到更好的预测效果，对于BP网络的拓扑结构（包括网络中隐含层的层数，各层的节点数及网络学习系数）必须根据实际的需要来设定。所以本文对于BP网络进行裂缝密度预测的过程中，进行了如下的改进：

①对输入层参数的选择问题，本文采用主成分分析和模糊相关性分析［10］的方法，合理选择所需要的测井曲线数据，有效降低了网络的结构，并且提高了收敛速度。通过对裂缝的测井响应程度进行评判和矩阵变换后，对输入参数进行排序，剔除敏感程度低的参数。

②对于隐含层的层数和节点数的问题，并没有成熟的理论来指导，而是根据经验，按照满足精度要求的情况下下尽可能少的原则来设定。

③由于网络模型的不稳定性，采用了叠加先前的学习模式和新的学习模式，然后不断重新训练的方法,以此来改善网络的学习过程和网络模型记忆的稳定性。

3 实例应用

成像测井在描述裂缝特征方面是目前最有效的方法［11］，根据BP神经网络的方法，将具有岩心和成像测井资料的井段及统计分析的裂缝密度作为网络的训练和验证数据，将只有常规测井曲线的井段作为预测数据，通过建立的神经网络计算获得对应的井点裂缝密度。

（1）测井参数选择和网络结构的建立

本文对于裂缝密度的识别采用标准的三层BP网络结构。网络输出层神经元只有一个，就是期望输出的裂缝密度值，是经过归一化处理后的成像测井解释得到的裂缝密度数据。本文所选用的学习样本是能够反映裂缝发育情况的常规测井曲线，并且提前做好标准化处理和岩心深度校正，然后根据模糊相关性分析和主成分分析，不断的测试和调节自然伽马、井径、深浅侧向电阻率、密度、声波时差、补偿中子测井曲线的不同组合，最终认为自然伽马、浅侧向电阻率和井径测井与裂缝密度相关性较好，而且彼此之间的影响小，因此确定输入层单元数为三个。

（2）网络模型建立

通过网络结构的建立，选择响应特征比较明显的自然伽马、浅侧向电阻率和井径测井数据作为样本，并对其进行归一化处理，电阻率曲线进行对数归一化处理，其他两种曲线做线性归一化，使输入输出值在0-1之间,网络训练起来更加方便。然后给定初始的权值和阈值，利用神经网络进行训练和校正，确定最终的权值系数，建立网络模型。

（3）网络模型的预测效果检验及分析

根据训练好的网络模型，对未知井段的常规测井数据进行归一化处理后，作为预测样本输入模型中，输出预测的裂缝密度。

为了验证网络的效果和准确性,根据预测结果的实际对应情况，从图1可以看出，裂缝密度值的变化与实际测井响应对应性很好，表现为电阻率在碳酸盐岩高阻值背景下明显减小，裂缝密度越大，电阻率越低，伽马值低，井径一般呈现缩径现象。另外，我们根据得到的裂缝发育段与成像测井解释结果和斯通利波时差处理成果解释进行对比。由图2可以看出，三者具有很好的一致性，裂缝发育段对应成像测井显示，并且强斯通利波衰减与反射异常，指示有裂缝发育，这说明神经网络的预测结果是可靠的。

图1 计算单井的裂缝密度与常规曲线对比图

图2 单井裂缝发育程度与成像测井对比图

4 总 结

正研究表明，BP神经网络结合模糊相关性分析和主成分分析的方法能够提高网络收敛速度，提高识别的准确性，对于裂缝的识别方面具有一定的优势，可以有效避免人为因素的干扰，但是这种方法适用于开发程度相对较高的油田，在实际应用中需要进一步的探索。

参考文献：

［1］ 才轶. 神经网络技术在石油化工过程中的应用[D]. 北京：北京化工大学，2009.

［2］ 宋军. 基于递归神经网络的石化生产软测量建模方法研究[D]. 兰州：兰州大学，2008.

［3］ 高俊. 近红外光谱分析技术在油品分析中的应用研究[D]. 南京：南京工业大学，2005.

［4］ 张洪，邹乐君，沈晓华. BP神经网络在测井岩性识别中的应用[J]. 地质与勘探，2002，06：63-65.

［5］ 张吉昌，邢玉忠，郑丽辉. 利用人工智能技术进行裂缝识别研究[J]. 测井技术，2005，01：52-54+90.

［6］ 申辉林，高松洋. 基于BP神经网络进行裂缝识别研究[J]. 断块油气田，200702：60-62+93.

［7］ 潘欣. 构造裂缝识别与建模研究——以鄂尔多斯盆地中西部定边-华池地区延长组为例[D]. 西安：西北大学，2010.

［8］ 杨斌. 神经网络及其在石油测井中的应用[M]. 北京：石油工业出版社，2005.

［9］ 李爱国，王卫，徐永胜. BP神经网络在局部似大地水准面精化的应用[J]. 全球定位系统，2008，03：29-31.

［10］ 汪忠德，王新海，张汶，等. BP人工神经网络法(ANNS)在塔中地区碳酸盐岩测井评价中的应用[J]. 石油天然气学报，2008，02：253-255+656.

［11］ 曹嘉猷，刘士安，高敏. 测井资料综合解释[M]. 北京：石油工业出版社，2002.

Application of BP Neural Network in the Fracture Density Recognition

1,1，2

(1.China University of Petroleum, Shandong Qingdao 266580, China;2.CNOOCEnerTech-Drilling&Production Co. Shenzhen Branch, Guangdong Shenzhen 518000,China)

Because of its good adaptability and nonlinear mapping ability, neural network has been widely used in oil field. In this paper, combined with the fuzzy correlation analysis and principal component analysis method, the method of improved BP neural network, recognition of single well fracture density was realized based on conventional logging data, good results have been achieved.

BP neural network; fuzzy correlation analysis；principal component analysis；logging；single well fracture density

TQ 018

A

1671-0460（2016）09-2174-03

2016-03-24

丁烽娟（1990-），女，山东青岛人，硕士研究生在读，中国石油大学（华东）地质资源与地质工程专业，研究方向：油气藏开发地质。