学科分类
/ 1
8 个结果
  • 简介:介绍并比较了两种有监督的机器学习方法:BP神经网络和决策树。用两种方法分别论证了如何利用测井信息非线性地表示孔隙度。与传统的线性回归方法相比,机器学习效果更好,准确性更高。BP神经网络和决策树的应用效果表明,机器学习可以有效预测孔隙度,也可以应用于储层孔隙度预测中。相比之下,神经网络具有更高的准确性和更广阔的前景。

  • 标签: 孔隙度预测 机器学习 监督学习 BP神经网络 决策树
  • 简介:基于测井资料进行岩性分类是油气勘探和采集过程中的基础问题之一。根据前人的研究成果已开发了多种岩性分类方法,提出了基于堆栈自编码模型的岩性分类方法,通过对测井资料进行逐层抽象提取特征凸显不同岩性的微弱测井响应,使用Softmax作为分类器进行岩性分类。应用该方法对丁山地区泥质灰岩和灰质泥岩进行识别,将训练好的模型应用于丁山HF1井中,正确率均达到94.39%以上。

  • 标签: 堆叠自编码 岩性分类 测井响应 丁山地区
  • 简介:在勘探初期测井数据较少,不足以支持有监督学习.采用深度学习中的稀疏自编码方法对地震数据进行无监督学习,通过逻辑回归,利用少量的岩性解释资料做有监督微调,以达到对工区中的地震数据进行岩性体识别.识别结果表明,该方法优于传统的波阻抗识别方法,能有效识别储层中的有利岩性.

  • 标签: 稀疏自编码 逻辑回归 岩性识别 监督学习
  • 简介:地震裂缝预测一直是裂缝性油气藏的重要研究方向。研究了利用多方位VSP多地震属性裂缝预测的方法与流程,利用多方位VSP原始资料提取纵横波速度及泊松比、直达纵波能量变化和Q值与衰减系数、透过波能量衰减、水平分量能量变化、纵横波反射能量变化共五类11种地震属性分别进行裂缝预测。对提取的不同各向异性属性参数,根据其质量和属性可信度,给出不同的加权系数,进行加权平均计算,形成一个综合评估各向异性的新参数——各向异性指数,指出井孔处裂缝发育方向。

  • 标签: VSP 多属性 多方位 裂缝预测
  • 简介:国内天然气区块的勘探与生产业务以多方股份制合作的模式将是一种趋势,区块价值评估是多方合作和股权划分的基础,客观的估值才能促进多方公平合作,发挥资源整合的优势,实现多方效益最大化。目前国内在天然气区块估值方面的研究非常少,国外因油气区块可以交易估值研究较多,但是几乎都停留于专业咨询机构和企业内部。通过对价值评估的理论研究,比对分析目前应用最多的3种方法,认为收益法是最能客观测算区块价值的方法,并实例演示了该方法在价值评估中的具体应用。

  • 标签: 天然气 对外合作 估值 评价 净现值
  • 简介:对于研究非平稳信号而言,传统的傅里叶变换已不能满足需求。非平稳信号分析方法已成为信号分析领域中的一个热点问题。以模拟地震波传播过程中遇到反射界面反射实验中得到的非平稳信号为研究对象,采用HHT方法对信号进行分析。对信号进行经验模式分解(EMD)和希尔伯特变换(HT)两个步骤。根据EMD分解得到的IMF分量具有从高到低不同频率和不等带宽的特点,对信号进行重构,提高信噪比,大大提高实验中测量P波速度的精度。对信号进行三瞬参数分析,揭示了实际应用中三瞬参数对地质构造识别的优势。HHT方法适用于分析生活中普遍存在的大量非平稳信号,可将复杂的信号直接分离成从高频到低频的若干阶固有模态函数。这一方法体系从根本上摆脱了傅里叶变换理论的束缚,在实际应用中也表现出了一些独特的优势。

  • 标签: 非平稳信号 HHT 经验模式分解 希尔伯特变换 反射波信号
  • 简介:Y101井区沙四段沉积时期处于混合、动荡沉积环境,造成砂体薄互层多,连续性差,具有厚度薄、横向非均质性强和受火成岩反射干扰的特点,造成该区储层识别难度大,制约了该区的勘探进程.为此,从制约储层预测精度的几个因素(地震因素、地质因素、技术方法、主观认识等)入手,逐一分析,最后确定造成研究区储层预测精度低的主原因为地震资料品质差和预测方法不当.通过分频技术处理,提高地震资料的纵向分辨率,并结合测井曲线进行小波变换,建立了该区高分辨率层序地层格架,再通过提取多类属性,优选敏感属性进行多属性融合,完成了该区储层预测,最终将储层预测精度从65%提高至85%,达到了目前精细勘探的需求.

  • 标签: 储层预测 拓频处理 多属性融合 Y101井区
  • 简介:空中调查(aerialinvestigation)极大地增强了人们观测和描述那些在地面难以开展研究的露头的能力。文中描述了如何通过小型无人机(UAV)采集影像资料来模拟岩石露头和建立详细的数字地形模型(DTMs),后者可用于在真三维(3-D)空间内开展多尺度的数字构造成图(digitalfeaturemapping)。地理编码的(Georeferenced)数字露头是对现场测量的一种补充,而且可以改善学生的课堂和野外学习体验。小型无人机在不同的高程和方位拍摄的高分辨率照片可用于把地层特征转换为3-D数字表示形式,空间精度可以达到1cm。利用StructurefromMotion(SfM)摄影测量方法把以2-D图像序列形式记录的复杂地形以数字的形式呈现在3-D模型中。把高分辨率照片充填到所建立的DTMs之中,就可以实现厘米尺度的地层解释。以新西兰中新世东岸盆地(EastCoastBasin)为例,说明了这种露头成像和模拟方法的应用。这里陡峭海岸悬崖上的陆坡沉积露头和大面积浪蚀台地上的陡倾深海盆地沉积露头,为人们提供了研究沉积作用及地层结构(stratigraphicarchitecture)的极佳机会。运用我们的方法.可以对人们无法接近的150m高垂直海岸悬崖上出露的以及沿着2000m长浪蚀台地出露的沉积地层进行描述,并定量刻画其几何形态变化。最终揭示了两个沉积体系的大尺度时空特征,而这种尺度是以往的常规野外观测技术无法企及的.

  • 标签: 小型无人机 盆地沉积 地层结构 模拟方法 测量方法 中新世