石油与环境生物技术杂志

抽象的

利用阿尔奇公式确定碳酸盐岩储层含水饱和度的混合人工智能方法

Hamada GM*、Al-Gathe AA 和 Al-Khudafi AM

确定准确的含水饱和度仍然是石油工程面临的挑战。如果我们处理碳酸盐岩，这个问题的难度将会增加。有一些可用的技术可用于确定含水饱和度。然而，这些技术的准确性已经无法找到最佳结果。已经使用了几种可用的技术来估计含水饱和度，例如常规方法、CAPE（a，m，n）、CAPE（1，m，n）和 3D 方法。目前，人工智能 (AI) 技术的成就本身就为使用混合系统（如 PSONN）打开了大门。在该模型中，采用粒子群优化 (PSO) 技术来搜索神经网络 (NN) 的最佳连接权重和阈值，然后使用反向传播学习规则和训练算法来调整最终权重。从中东储层碳酸盐岩心塞的电性能实验室测量中获得的总共约 383 个数据点被用于实施所提出的技术。统计分析和对比研究表明，PSONN 模型的性能最好，其均方根误差（0.092）和相关系数精度（0.95）均低于以前的方法。结果表明，新的混合 PSONN 模型优于一些现有方法，并克服了单独使用 AI 的弱点。从误差分析中发现，CAPE 和 3-D 以及 PSONN 方法可确保含水饱和度值的误差最小。