PNN

PNN（Pulse Neutron Neutron）測井儀已經在歐洲、南、北美洲、中東、北非和亞洲18個國家廣泛應用，取得了較好的使用效果。

油田進入高含水的中、後開發期，一方面迫切需要了解單井、區域上的儲層的剩餘油分佈，尋找潛力油層，調整作業方案；另一方面，許多老井，由於受當時條件的限制，缺少必要的測井資料，而無法對儲層性質進行重新認識。油井生產之前都會下套管進行固井。因為套管的物理特性，很多裸眼井中的測井方法受到了限制，不能用於套管井的地層評價。套管井中使用最多的飽和度測井方法都是基於中子壽命測井原理的，如油田內常見的碳氧比測井、中子壽命測井、硼中子測井、PND測井等等。PNN測井同樣基於這個原理。

與國內使用的其他飽和度測井方式比較，PNN測井的一個最大不同是：不同於其他方法中通過地層對中子的俘獲放射出的伽馬射線進行記錄分析來進行飽和度的解析。PNN是通過對地層中還沒有被地層俘獲的熱中子來進行記錄和分析，從而得到飽和度的解析。探測熱中子法，沒有了探測伽馬方法存在的本底值影響，同時在低礦化度與低孔隙度地層保持了相對較高的記數率，削減了統計起伏的影響。同時，PNN還有一套獨特的數據處理方法，能夠最大程度的去除井眼影響，保證了Sigma（地層俘獲截面）曲線的準確性，精度可以達到±0.1俘獲截面單位。

這種方式使得PNN在低孔隙度、低礦化度地層（大多數油田生產的難點）相對其他測井方式具有更高的分辨率。同時，PNN還具有施工簡單，不需要特殊的作業準備，可以過油管測量、儀器不需刻度，操作維修簡單、記錄原始數據、最大程度去除井眼影響等等多方面的優勢。

概率神經網絡(PNN)於1989年由D. F. Specht 博士首先提出，是一種常用於模式分類的神經網絡。概率神經網絡是基於統計原理的神經網絡模型，在分類功能上與最優Bayes 分類器等價，其實質是基於貝葉斯最小風險準則發展而來的一種並行算法，同時它不像傳統的多層前向網絡那樣需要用BP 算法進行反向誤差傳播的計算，而是完全前向的計算過程。它訓練時間短、不易產生局部最優，而且它的分類正確率較高。無論分類問題多麼複雜只要有足夠多的訓練數據，可以保證獲得貝葉斯準則下的最優解[5]。與傳統BP 網絡相比較，PNN 網絡具有如下主要優點[5] :

(1) 訓練快速，其訓練時間僅僅略大於讀取數據的時間。

(2) 無論分類問題多麼複雜，只要有足夠多的訓練數據,可以保證獲得貝葉斯準則下的最優解。

(3) 允許增加或減少訓練數據而無需重新進行長時間的訓練 ^[1]  。