共查询到20条相似文献，搜索用时 937 毫秒
1.
相对于纯油气层而言，储层孔隙中部分油被可动水替代后，在常规测井资料上直观地表现为电阻 率 下 降。从 岩 石 导 电机理出发，研究了电阻率变化的影响因素，采用支持向量机的数学方法，以不同类型储层有效孔隙度φｅ、泥 质 含 量Ｖｓｈ、油 柱 高 度Ｈ 作为基础资料，建立了纯油层状态下的地层电阻率反演模型，根据反演地层电阻率与实际测量电阻率之间的差异即可判断储层的流体性质。该方法在研究区的低阻油层及水淹层识别中取得了较好的效果，为油田开发控水稳油奠定了基础。 相似文献
2.
当油层被淡水水淹时,自然电位基线的偏移是定性识别水淹层的重要依据。以测井和油藏工程相关知识为基础,推导
出淡水水淹过程中自然电位基线偏移量与含水率的定量关系。研究结果表明:①在含水率相同的条件下,注入水电阻率与原始地
层水电阻率的比值越大,基线偏移量越大;②在未水淹期、弱水淹期、中水淹期及强水淹期自然电位基线偏移量随含水率的变化分
别表现为基本不变、快速上升、直线上升、缓慢上升。将该方法应用于S油田的含水率及水淹级别的评价时,符合率达82.6%。 相似文献
出淡水水淹过程中自然电位基线偏移量与含水率的定量关系。研究结果表明:①在含水率相同的条件下,注入水电阻率与原始地
层水电阻率的比值越大,基线偏移量越大;②在未水淹期、弱水淹期、中水淹期及强水淹期自然电位基线偏移量随含水率的变化分
别表现为基本不变、快速上升、直线上升、缓慢上升。将该方法应用于S油田的含水率及水淹级别的评价时,符合率达82.6%。 相似文献
3.
大缝大洞的存在和频繁的工作制度导致缝洞型油藏含水率变化特征多样,暴性水淹预警难度大。针对传统预警方法存在的时滞性问题,采用K线理论刻画含水率生产指标变化趋势,总结出充沛型、突破型、反转型等水淹前异常模式;由于循环神经网络能够刻画生产数据间的长程相关性,采用基于循环神经网络的长短期记忆网络（LSTM）自动识别水淹异常模式特征实现暴性水淹预警。仿真实验表明基于LSTM的水淹异常模式识别模型通过变换数据尺度,较好地捕获暴性水淹前数据的整体变化趋势,识别精度明显优于支持向量机、朴素贝叶斯等模型。K线理论刻画的各类异常模式有效解决了传统预测的时滞难题,提前1~3周实现水淹预警,可以为缝洞型油藏水淹预警研究提供新的研究思路。 相似文献
4.
当注人水进入含钙质夹层储层后,注入水替换砂质部位的油,改善该部位的导电性,使其远低于含钙部位的电阻率.为提高油田采收率及低孔渗钙质夹层厚油储层的水淹识别精度,根据统计方法理论,在厚砂体内细分小层的基础上,构造钙砂电阻率比、深侧向电阻率与声波曲线相关因数2个特征值,建立水淹层与未水淹层识别图版,识别符合率达到83%,为射... 相似文献
5.
鄂尔多斯盆地苏里格气田致密砂岩储层的孔隙结构复杂,储层低孔、低渗、非均质性特征明显,储层流体识别困难。基于偶极声波测井资料,以致密砂岩岩石弹性参数为基础,利用指标法、交会图分析法、支持向量机进行储层流体性质识别的方法研究。结果表明:纵横波时差比、地层压缩系数与泊松比比值、纵波弹性模量差比可以作为气层识别的指标;引入流体敏感度评价参数,优选出能敏感反映储层含气性的弹性参数,如拉梅系数与密度之积、拉梅系数、体积模量、拉梅系数与剪切模量之比、弹性模量,结合支持向量机对流体进行识别,能够提高流体识别精度;对有试气结论的储层样本进行实际分类处理,利用支持向量机判别样本的成功率为92%。通过对苏里格气田的X350井进行实际分类处理,并经过试气结论验证,证明优选能敏感反映储层含气性的弹性参数,结合支持向量机对储层流体进行识别的方法是切实可行的。 相似文献
6.
针对时变信号模式分类问题,建立一种过程支持向量机模型.该模型的输入为时变函数,通过核函数变换将动态模式映射到高维特征空间,经过学习训练集中函数样本类别特性,自适应提取动态模式的过程特征,直接分类辨识时变信号.证明过程支持向量机与单隐层前馈过程神经元网络的二分类能力等价;将复杂的动态模式集合非线性地映射到高维特征空间,提... 相似文献
7.
8.
海上河流相油田中高含水期剩余油分布规律十分复杂，如何准确预测剩余油分布规律是油田后期高效开发的基础和前提。基于渤海 ＰＬ油田河流相砂体的储层特征和水淹特征，通过数模机理研究落实了油田水淹厚度系数与注入孔隙体积倍数、渗透率级差之间的量化关系，并以该量化关系为指导，预测出井点水淹厚度系数和水淹厚度，进而根据各井点水淹厚度进行了等值线图绘制，利用水淹厚度图对小层平面、层内剩余油进行了定量预测。经过１０口新钻调整井的验证，剩余油厚度预测误差一般小于３０％，具有较高的吻合率。 相似文献
9.
高含水期水平井挖潜物理模拟 总被引：1，自引：0，他引：1
结合油藏渗流与水平井筒内流体流动的耦合性,以水驱油相似原理为基础,建立三维油藏物理胶结水平井多层模型,并从其微观孔隙特征及油水渗流特征等方面与实际油藏进行对比.以物理模型为基础,从动态变化指标及油水分布特征等角度研究不同挖潜方式在高含水期挖潜效果的差异性,总结水平井挖潜提高采收率的规律.结果表明:在交错井网及正韵律储层的条件下,高含水期剩余油多富集于井组中心储层顶部区域;高含水期应用水平井进行挖潜剩余油,其在多个动态变化指标上优于直井,并且水平井对井组边角区域及储层中下部位剩余油的控制能力也较强;水平井与常规井网的不同配置关系对挖潜效果有较大影响,水平井挖潜动态也随着含水率上升呈现不同的规律. 相似文献
10.
大豆作为全球最重要的油料作物,是中国进口的大宗农产品,对其种植区的精准识别是决策制定、种植结构调整基础,对国家粮食安全有重要意义。本文利用Sentinel-2作为数据源,利用多层神经网络方法与对大豆进行提取,并与随机森林、决策树、支持向量机等机器学习进行对比,发现F1-Socre指标显示多层神经网络的分类精度最高,为93.53%,其次为随机森林、支持向量机、决策树。将神经网络分类结果与SLIC面向对象分割聚合之后,结果既忽略了同一地块的微小差别,又区分出了不同地块的作物差异,很好的体现了大豆的分布。Sentinel-2数据是进行大尺度大豆种植监测的绝佳数据源,大豆与玉米等其他作物在第二个红边波段的反射率有较为明显的差异。多层神经网络方法在图像分类任务中表现出色,结合图像分割算法精度可达到95.51%,可以满足大豆种植面积监测的需求。 相似文献
11.
多类支持向量机在语音识别中的应用 总被引：1，自引：0，他引：1
针对语音模式识别,引入多类（M-ary）支持向量机来进行分类。并详细的介绍了M-ary支持向量机的概念以及语音识别系统中的实现方式。通过仿真实验,与BP神经网络、SVM进行比较,验证了M-ary支持向量机具有识别率高,抗噪能力强等优越性。 相似文献
12.
基于支持向量机的岩石薄片图像分割 总被引：4，自引：0，他引：4
支持向量机是对传统学习分类方法的一个良好替代,特别是小样本、高维的情况下,有着良好的泛化能力,利用支持向量机良好的分类特性,将图像分割的问题转化为分类问题,对岩石薄片图像进行分割实验.通过实验表明：支持向量机对于分割颜色分布不均匀、边缘模糊的岩石薄片图像,有很好的应用前景. 相似文献
13.
研究油田注水开发过程中储层非均质性的动态演化特征,对于查明剩余油分布规律意义重大。扶余油田已进入高含水期,综合含水率已超过90%。为了科学有效地开发该油藏,调动剩余油潜力,有必要针对储层的宏观和微观非均质性进行深入细致的研究。选取不同含水期密闭取心井的物性、薄片、电镜、压汞及粒度等分析化验资料,通过详实对比分析储层不同含水期的物性和非均质性变化特征,得到了储层高含水期非均质性相关参数的动态演化规律。研究表明,扶余油田储层非均质性随含水率上升而逐渐减弱,呈现出由低含水期的中孔、中渗储层向高含水期的中高孔、中高渗储层演化趋势;注水开发对孔隙半径影响较小;储层碎屑颗粒在低含水期以接触式为主,中高含水期转变为孔隙-接触式、接触-孔隙式接触,高含水期以孔隙式接触为主。 相似文献
14.
针对在手写字符识别中由于书写习惯和风格的不同造成字符模式不稳定的问题,将支持向量机SVM方法用于手写字符的识别.算法首先采用Gabor变换提取手写字符图像的特征参数,然后采用提取的特征训练SVM分类器.再应用SVM分类器分类和判别手写字符.实验表明这种方法具有良好的车牌识别效果,较强的鲁棒性,较大的应用价值. 相似文献
15.
建立大坝变形预测的支持向量机模型,并用遗传算法对支持向量机模型的核函数参数、惩罚参数和损失参数进行优化。将同一优化方法不同支持向量机核函数、不同优化方法同种支持向量机核函数进行横向对比,将BP神经网络、自回归AR(p)模型、多元回归分析法和周期函数拟合法进行纵向对比。结果表明,该GA-SVM(RBF)模型不仅能较好地预测大坝的变形趋势,而且能大幅提高预测精度。 相似文献
16.
对山东地区2006~2017年3种地震事件--天然地震、爆破及塌陷的波形记录进行小波变换,对提取出的香农熵特征采用支持向量机LIBSVM方法进行分类识别,并设计一系列实验研究影响最终分类效果的因素。结果表明,5种影响因素--信号窗长度、小波分解方式、小波基类型、向量机算法类型、向量机核函数类型均对地震类型的分类识别结果产生一定的影响;识别率最高的3组处理方式均采用了2 000 s信号窗长度+db7小波基+υ-SVC算法的组合方式。所得的识别率较高的几种影响因素组合,在未来可应用于地震类型的实时识别,进一步提高地震类型的识别率和触发准确率。 相似文献
17.
利用机器学习原理,提出一种基于多层全连接(multi-layer fully connected, MFC)神经网络的六分量(six-component, 6C)地震波极化向量识别方法。首先利用6C地震波各波型极化向量数学模型和一系列仿真参数得到5种波型和噪声波型各5 000个极化向量数据集,然后随机选取其中5 000个作为测试集,其余划分为训练集,进行MFC神经网络与支持向量机(support vector machine, SVM)的综合辨识性能对比实验。结果表明,MFC神经网络模型识别5种极化向量类型(SH波和Love波视为一类)和6种极化向量类型的效果均显著优于SVM模型,平均识别率分别达到99.786%和87.940%。 相似文献
18.
提出一种基于灰色最小二乘支持向量机的大坝变形预测新算法。通过对原始大坝序列进行一次累加,弱化序列中随机扰动的影响,增强数据的规律性,进而建立最小二乘支持向量机预测模型,并采用网格搜索法选取最优参数。算法充分利用了最小二乘支持向量机泛化能力强、非线性拟合性好等优良特性,避免了灰色方法及模型存在的理论缺陷。与灰色GM(1,1)和单一最小二乘支持向量机对比表明,新算法能保证较优的局部预测值和较好的全局预测精度,应用于短期大坝变形预测是可行的。 相似文献
19.
针对致密储层判识和产能预测准确率低,提出一种新的建模方法——逐类组合支持向量机方法(TCSVM).首先应用支持向量分类机(SVC)实现储层类别判识,然后用支持向量回归机(SVR)建立气层产能预测模型,最后对未知储层进行判识和产能预测.该模型通过前期降噪、降维的属性优化,有效降低数据类别对储层判识的干扰,提高储层判识和气... 相似文献
20.
特征优选与卷积神经网络在农作物精细分类中的应用研究 总被引：1，自引：0，他引：1
农作物的精细分类一直是农业遥感领域的热点,对农作物估产和种植结构监管有重要意义。深度学习的出现为农作物分类准确性的提升提供了新的思路。本文提出一种特征优选与卷积神经网络（Convolutional Neural Networks, CNN）相结合的多光谱遥感农作物分类方法,用以解决精细分类问题。实验以哨兵2号遥感影像为数据源,基于多光谱遥感影像的波段反射率与包括归一化植被指数在内的10种植被指数,利用Relief F算法进行特征增强与优选,获取最优特征集,从而设计出基于特征优选的CNN分类方法,并对河南省原阳县主要农作物水稻、玉米、花生进行分类识别与制图,分类精度达到96.39%。同时,选用支持向量机、CNN方法分别对研究区农作物进行分类识别。对比分析3种方法的分类结果,发现本文提出的基于最优特征集的CNN农作物分类方法表现最优,CNN方法次之,支持向量机方法表现最差。实验结果表明：① 利用Relief F算法能够对特征贡献度进行排序,完成特征筛选,得到包含24个特征的最优特征子集,训练精度达到99.89%;② 基于最优特征集的CNN方法能够在最大程度上提取高精度差异性特征,实现对农作物的精细分类,且相比CNN和支持向量机的农作物分类方法,本文方法表现更佳。 相似文献