利用人工神经网络模型估计Bakken组的岩石弹性性能

岩石弹性性能（包括杨氏模量和泊松比）是设计水力压裂几何形态、估算水力裂缝体积、出砂预测和砾石充填设计等诸多应用中所需要的主要参数。通常，由于声波速度和密度与岩石刚度的内在关系，弹性性能是由声波和密度测井来估计的，然后依据在某些深度采集的岩心数据进行校准。不过，存在一些缺点，包括不具有普遍适用性，而且在许多情况下，无法获得高质量的岩心来进行校准。

研究采用人工神经网络来估计Bakken组的弹性性能。共使用了240个岩心样品，这些样品来自Bakken组上、中、下部的8口井。主要参数为体积密度、纵波和横波速度以及孔隙度。结果表明，优化后的神经网络模型能够较好地预测岩石弹性性能。