저장소 투과율은 저장소 생산성에 중요한 영향을 미치는 요소입니다. 기공 연결성이 떨어지는 저투과성 사암 저장소에서 기존 측정 로그 투과율 모델의 예측 정확도가 낮은 문제를 해결하기 위해, 심층 신뢰 네트워크 알고리즘과 기존 측정 로그 곡선을 결합하여 저장소 투과율을 예측하는 방법을 제안합니다. 이 방법은 회색 상관 분석법을 사용하여 측정 로그 곡선의 상관도를 분석하고, 관련도 순위에 따라 특징 민감 측정 로그 곡선을 선택하며, 심층 신뢰 네트워크의 지도 학습 조율과 대비 발산 알고리즘을 결합하여 데이터 마이닝을 수행하고 투과율 예측 모델을 구축합니다. 이 모델은 기존 BP 신경망의 지역 최적화 문제를 개선하여 네트워크 모델의 학습 효율과 예측 정확도를 향상시켰습니다. 예측 모델의 평균 상대 오차는 9.1%로, 기존 투과율 모델에 비해 약 20% 감소하였습니다. 실제 자료 처리 적용과 오차 분석을 통해 이 방법이 저투과 저장소 투과율 예측 정확도를 효과적으로 향상시킬 수 있음을 나타냅니다.

투과율; 측정 로그 곡선; 회색 상관 분석법; 심층 신뢰 네트워크; 예측