Improved generalized regression neural network for quantitative analysis of crude oil density by gas chromatography

Abstract

在油气勘探开发领域,快速识别储集层原油性质对于工程技术人员有非常重要的指导意义。地球化学录井技术是用于判断储集层原油性质的常规手段,能为储集层综合评价提供专业认识。该文研究了地化录井中的岩石热解分析和气相色谱分析的原理,提出了一种利用色谱谱图对原油密度进行定量分析的新方法,再结合原油性质密度划分标准,可快速判断储集层原油性质。首先使用计算机图像处理软件对色谱图进行标准化和归一化预处理,并分析了岩石热解气相色谱谱图的曲线特征规律,提出了岩石热解气相色谱谱图的特征参数提取方法,将色谱图转换为特征参数矩阵。其次,研究了3种人工智能预测分类模型,为了适合该实验对储集层原油密度的预测,对其做了部分优化改进,利用元启发式优化算法(麻雀搜索优化算法)对广义回归神经网络的超参数进行了优化,提高了模型的精度和收敛速度。最后,通过现场获得的气相色谱图样本对各模型进行训练并验证,综合对比3种模型预测的结果,发现基于麻雀搜索算法优化的广义回归神经网络预测模型效果最佳,模型稳定,预测密度误差小,可泛化能力强。该研究所提出的方法能为储集层的综合评价研究和现场施工提供可靠的数据支撑。