基于最近邻神经网络的储层静止属性估计

本文提出了一种利用最近邻神经网络估计储库建模中静止属性空间分布的方法。该方法利用神经网络在近似复杂非线性函数方面的优势，尤其适用于涉及空间插值的任务。它采用最近邻算法捕捉数据点之间局部空间关系，并引入随机化以量化插值过程中固有的不确定性。该方法解决了传统地统计方法（如逆距离加权IDW和克里金Kriging）在建模储库数据中复杂非线性依赖性方面的局限性。通过集成空间邻近性和不确定性量化，所提方法可提高静止属性（如孔隙度和渗透性）预测准确性。