共查询到16条相似文献，搜索用时 125 毫秒
1.
2.
RPROP算法在测井岩性识别中的应用 总被引：4，自引：1，他引：3
为了更好地解决测井岩性识别问题,引入一种快速实用的BP算法--Resilient Backpropagation (RPROP)算法。在说明RPROP算法的基础上,结合某地的实际测井资料,建立基于RPROP算法的BP网络岩性识别模型,进行岩性识别的应用研究。结果表明,应用RPROP算法进行测井资料岩性识别,识别的准确率较高,与基本BP算法及其一些改进算法相比,训练速度快,具有很好的应用前景。 相似文献
3.
神经网络方法在岩性识别中的应用 总被引：8，自引：3，他引：5
在可地浸砂岩型铀矿测井工作中,铀矿地球物理测井方法提供了电阻率、密度、声波等多种地球物理参数。通过采用神经网络方法,利用上述参数．进行钻孔岩性识别的有关研究,确定了B-P网络结构及算法,并进行了初步应用和对比。 相似文献
4.
介绍了PNN方法原理及其算法训练学习过程,详细阐述了网络识别岩性参数的选取、岩性识别模型的建立过程.通过对比研究PNN与其他6种岩性识别方法,分析相同条件下预测结果,得到不同识别方法的优劣性.经研究发现,PNN概率神经网络方法在生产应用中效果更佳、训练识别用时最短.利用人工智能神经网络对测井数据进行自动解释分析,可满足随钻测井时效性及快速解释处理的地质导向需求. 相似文献
5.
岩性识别一直是火山岩油气勘探中的重要课题,基于测井数据的岩性识别也逐渐成为火山岩研究的需要,大数据背景下的机器学习算法为测井岩性识别提供了一个新方向。为提高某研究区火山岩岩性识别符合率,本文采用K近邻、支持向量机和自适应增强3种经典机器学习算法,对研究区内的粗面岩、非致密粗面岩、辉绿岩、辉长岩、玄武岩和非致密玄武岩等6类中基性火山岩进行岩性识别。从常规测井系列中优选对研究区岩性敏感的自然伽马、声波时差、补偿中子、深侧向电阻率和补偿密度等5种测井参数作为岩性识别模型的输入向量,从研究区内5口有岩心样品或薄片鉴定资料的目标层中选取测井数据点1 440个,其中960个作为训练样本,其余480个作为测试样本。以识别符合率和时间作为评价指标,对3种算法的识别结果进行对比分析,实验表明：自适应增强算法的分类准确率最高,6类岩性平均识别符合率达到82.10%;支持向量机算法表现良好,平均识别符合率为81.04%;K近邻算法平均识别符合率为76.04%。 相似文献
6.
7.
采用机器学习方法进行自动岩性识别是当下的研究热点,神经网络作为具有代表性的机器学习方法,具有非线性建模能力强、结构灵活以及泛化性强等优点,目前已初步应用于岩性识别问题中。当下神经网络方法在测井岩性解释上的限制因素主要在于数据类别不均衡问题难以解决以及现有模型的可解释性较差。文章讨论了深度神经网络模型在纳岭沟地区铀矿测井解释的岩性分类问题上的应用,通过采用不同结构的模型缓解了类别不均衡对分类结果的影响,并着重分析了模型的层次结构和训练过程,更全面地解释了模型的内在机制和决策逻辑。结果显示,长短时记忆网络能在保持较高训练效率的同时获得高于80%的识别精度,8层全连接网络能达到90%以上的精度,但是需要的计算资源较大,训练时间较久。以上模型可应用于不同环境和需求。文章为深度学习方法在岩性识别问题上的应用提供了有益的见解和经验,具有一定参考价值。 相似文献
8.
火山碎屑岩岩性的测井识别方法 总被引：4，自引：2，他引：4
火成岩岩性识别是岩相划分、储层评价及开发方案编制的基础。针对火成岩岩石类型多、测井识别难度大问题,应用贝叶斯判别分析方法对火山碎屑岩测井解释中岩性识别问题进行研究。通过对样本集的优化处理和先验概率的应用,提高了识别率。应用该方法对海拉尔盆地乌尔逊凹陷乌东地区火山碎屑岩储层进行了岩性自动识别,符合率达到80%以上。 相似文献
9.
介绍采用人工神经网络（ＡＮＮ）模型，借助于误差逆转播算法，应用到煤田测井岩性自动识别中，效果较好。为提高该方法的实用性，通过对误差逆传播算法的改进，并经过验算，表明了其优越性；文中采用多层人工神经ＢＰ网络模型，对较大样本（４８组）进行学习，可以识别８种岩性，说明了该方法的实用性。 相似文献
10.
测井资料交会图法在火山岩岩性识别中的应用 总被引：22，自引：1，他引：22
在火山岩储层研究中，岩性识别显得越来越重要。在评述目前常用的岩性识别方法后，重点以测井资料交会图法为例，以松辽盆地徐家围子断陷升平气田深层白垩系营城组火山岩为对象，优选出密度测井、自然伽玛测井、声波测井、电阻率、钍铀等测井项目的数据进行交会，编制出测井曲线交会图版，并以此为依据识别出该区的火山岩主要岩性有：安山岩、玄武岩、流纹岩和凝灰岩等。识别结果与实际情况相吻合。 相似文献
11.
火山岩岩性识别方法研究 总被引：25，自引：1，他引：24
岩性是测井储层评价的基础,在火山岩油藏的测井评价过程中,由于火山岩岩性定名方法的不统一以及岩性识别方法的不完善,使火山岩油藏的测井评价难以开展。采用国际地科联（IUGS）推荐的TAS图方法对火山岩岩样定名,并以此为基础,使用神经网络方法利用测井资料识别火山岩岩性。研究结果表明,利用传统的统计判别方法建立的测井资料与火山岩岩性的判别关系,识别符合率只有65%;而使用神经网络方法建立的判别关系,识别符合率可达81.8%。 相似文献
12.
传统的岩性识别方法如岩屑录井、钻井取心及测井资料解释等技术,对录井质量的依赖程度较高,识别精度与效率低,泛化能力差。随着计算机技术的迅速发展,将测井资料与计算机技术相结合开展岩性研究已成为岩性识别的有效手段。本文提出了一种基于梯度提升算法XGBoost和LightGBM的岩性识别方法。以苏里格气田苏东41-33区块下碳酸盐岩储层为例进行测试验证,采用该方法结合测井资料中的声波时差、自然伽马、光电吸收截面指数、密度、深侧向电阻率和补偿中子等6种参数进行岩性识别,并与KNN （K近邻分类器）、朴素贝叶斯和支持向量机等传统算法进行对比,结果表明,3种传统算法的岩性识别准确率分别为78.45%、74.43%和78.72%,基于梯度提升算法XGBoost和LightGBM的识别准确率分别达到了98.90%和98.72%,远高于传统算法。 相似文献
13.
14.
三露天井田具有断层发育、地层缺失和重复明显、岩性种类较多等特点,岩性识别难度较大。为此,专门利用测井资料对三露天井田地层岩性进行了岩性识别研究。通过对14个天然气水合物钻孔不同岩性的测井响应特征分析,优选了自然伽马、中子和密度测井作为岩性识别敏感参数,并采用交会图技术制作了岩性识别图版,建立岩性划分标准,对三露天井田地层岩性进行识别与划分。利用测井资料能够识别7种主要岩性,包括砂岩、粉砂岩、泥质粉砂岩、粉砂质泥岩、泥岩、油页岩和煤等。根据岩性测井识别结果,三露天井田岩性分布特征在横向上表现为东部砂岩物性好,西部地区泥岩较为发育;纵向上表现为木里组地层砂泥比为4.48,含有煤层204.5 m;江仓组地层砂泥比为0.84,泥岩和油页岩较为发育,更有利于水合物赋存。测井岩性识别结果为寻找三露天井田天然气水合物有利储层奠定了基础。 相似文献
15.
基于K均值动态聚类分析的地球物理测井岩性分类方法 总被引：1，自引：0，他引：1
在地球物理测井数据处理与解释中,岩性识别是地层评价、油藏描述等方面的一项重要内容.利用计算机自动进行岩性识别已成为测井解释发展的重要方向、人们研究和关注的内容.聚类分析是数据挖掘中的一个重要研究领域,是一种数据划分或分组处理的重要手段和方法.K均值算法是聚类算法中主要算法之一,它是一种基于划分的聚类算法.依据不同岩性在常规测井资料中的不同响应,根据K均值动态聚类方法的原理,结合其它资料,对井中的岩性进行分类,从而达到了区分和识别钻孔不同岩性的目的. 相似文献
16.
基于最小二乘支持向量机测井识别火山岩类型:以辽河盆地中基性火山岩为例 总被引：1，自引：0，他引：1
最小二乘支持向量机是在统计学习理论基础上发展起来的模式识别方法。与传统统计学相比,它能有效解决有限样本、非线性、高维数模型的建立问题,而且建立的模型具有很好的预测性能。岩性识别本质是解决分类问题,本文基于最小二乘支持向量机解决分类问题的优势,首先用GR、CNL、DEN、AC、RLLD等常规测井曲线数据建立样本空间;然后通过耦合模拟退火和交叉验证的方法寻找最佳参数,优化最小二乘支持向量机分类器;最后建立了最小二乘支持向量机岩性识别模型。通过取心段岩心描述和岩心/岩屑薄片鉴定,确定辽河盆地40口井315 m井段2 520个岩性样品作为训练样本,建立岩性识别标准。对8口井13 866 m井段110 928个火山岩数据采样点进行测井识别,可识别致密玄武岩、气孔玄武岩、粗面岩等8种主要火山岩类型。识别结果与8口测试井中316个有取心段岩心描述和岩心/岩屑薄片的精确岩矿定名对比,符合率达到75.2%,与以往测井识别复杂火山岩岩性相比,在识别准确率和效率上都有明显提高。 相似文献