今年以来，勘探开发研究院在提升精益管理上抓落实，在降本增效上做“文章”，坚持科技创新引领，加快研究测井关键参数评价，利用现有自然伽马和气测录井资料，实现金山气田储层有效评价。
▲蒋昌 摄
科研人员开展金山气田储层物性与测录井曲线的对应关系研究，但拟合关系相对复杂，无法用固定模型进行评价。他们引入可以对数据进行复杂模拟处理的神经网络技术，利用大数据及人工智能，建立K.Mmod极值寻优法神经网络模型，形成了金山气田神经网络测井评价技术。
神经网络评价孔隙度
模型结构图
神经网络评价含气饱和度
模型结构图
▲曹玥 摄
科研人员采用此项技术在老井梨6-10HF、梨6-11HF、梨6-12HF、梨6-13HF四口井进行验证，神经网络评价的孔隙度、含气饱和度与实际测井计算结果吻合性较好，其中水平段孔隙度绝对误差在0.4%-0.7%之间，与测井孔隙度拟合系数为0.9，含气饱和度绝对误差在1%-7%之间，与测井含气饱和度拟合系数为0.65。在不测井的情况下，应用此技术可以实现基于自然伽马和全烃的物性和含气性评价。
▲王丹阳 摄
2024年金山气田新钻井梨6-14HF、梨6-15HF等12口井未测井，利用该技术评价了储层物性和含气性，以此为依据进行储层识别，为下步压裂方案制定提供了可靠依据，水平井节省测井成本569.4万元。
图文：勘探开发研究院
编辑：康超男
审核：张万东
