基于Kohonen神经网络的页岩油岩相测井识别方法——以吉木萨尔凹陷二叠系芦草沟组为例
Acta Sedimentologica Sinica（2022）
摘要
准噶尔盆地吉木萨尔凹陷二叠系芦草沟组岩性复杂,岩相多样,亟需建立配套的岩相测井识别方法.综合利用岩心薄片、常规测井与成像测井等资料对芦草沟组的岩性、沉积构造等特征进行研究,在此基础上进行岩相类型划分,并分析不同岩相的测井响应特征,建立岩相测井评价模型.结果表明,研究区主要由云质泥岩、泥质粉砂岩、粉砂质泥岩等岩性组成;根据岩心的矿物组成,考虑在岩心尺度上的可区分性、测井中的可识别性,划分出块状白云质泥岩相、平行/波状层理泥质粉砂岩相、块状泥岩相、块状泥晶白云岩相、平行层理粉砂岩相和波状/水平层理粉砂质泥岩相6种主要岩相类型.在此基础上通过岩心刻度测井资料建立岩相判别准则,并利用Kohonen神经网络方法实现单井岩相测井自动判别,划分结果与薄片匹配较好.研究成果可提高未取心井的岩相识别效率与精度,为该地区页岩油勘探提供一定的理论依据与方法支撑.
更多AI 理解论文
溯源树
样例
生成溯源树，研究论文发展脉络
Chat Paper
正在生成论文摘要