基于BP神经网络的黏土矿物预测模型

李鑫羽，欧阳传湘，杨博文，赵鸿楠，聂彬

（1.长江大学 石油工程学院，武汉 430100；2.中国石油 长庆油田分公司 第八采油厂，西安 710000）

通过测井资料确定黏土矿物类型和含量的方法较多，常见的有钍-钾交会图版法、阳离子交换能力-含氢指数交会图法和逐步多元回归法。钍-钾交会图版参数易于收集，但只能定性评价黏土矿物[1]。有鉴于此，前人提出了改进的钍-钾交会图版，虽能够较为准确地判断黏土矿物含量及类型，但不能准确区分钍含量较高的高岭石和伊利石[2]。阳离子交换能力-含氢指数交会图法能够区分蒙脱石和伊利石，却不易区分绿泥石和高岭石。逐步多元回归法解释精度较高，但数学模型的选用受人为因素的干扰较大，难以确保得到的是最优解释[3]。近年来许多学者基于BP 神经网络，对储集层参数进行预测，得到较好的效果[4]。黏土矿物的预测是多元非线性过程，BP 神经网络在解决多元非线性问题上具有很强的适应性。为充分挖掘测井参数与黏土矿物之间的相关性，使参数选取和模型构建更加准确，本文应用BP神经网络，构建了测井模型和组合模型，对塔里木盆地库车坳陷北部构造带侏罗系阿合组黏土矿物分布特征进行预测。

1 黏土矿物评价指标的确定

塔里木盆地库车坳陷北部构造带阿合组以岩屑砂岩为主，少量长石岩屑砂岩，其中石英平均含量为40%。黏土矿物平均含量为14%，主要为伊利石、伊蒙混层、高岭石和绿泥石，其中伊利石含量最高。……