共查询到17条相似文献，搜索用时 531 毫秒
1.
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
2.
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
3.
利用测井数据中的自然伽玛、中子、声波和密度测井曲线所蕴含的岩性信息,用模糊聚类算法实现岩性的自动划分。该方法识别准确度高,可靠性强。通过对川西坳陷十八口井的实际应用,此方法在低孔低渗的致密碎屑岩岩性划分中取得了良好的效果。 相似文献
4.
5.
中国大陆科学钻探主孔榴辉岩的分类及测井识别 总被引：1，自引：0，他引：1
榴辉岩是中国大陆科学钻探主孔的主要岩性之一, 分布在3245m之上.根据测井响应特征, 如自然伽玛、密度、中子孔隙度等, 可以很好地区分榴辉岩与主孔的其他岩类.由于主孔榴辉岩具有不同的矿物成分、全岩化学成分和测井响应特征, 这为进一步详细划分榴辉岩亚类奠定了基础.从原岩的起源、氧化物含量、次要矿物等3个角度对主孔榴辉岩进行分类, 研究了基于多元统计学的榴辉岩亚类的测井识别方法; 利用该方法对重构的11种榴辉岩亚类进行测井评价, 将可以利用测井资料识别的榴辉岩亚类归并为6种; 根据对榴辉岩亚类的识别结果, 将主孔中榴辉岩划分为20个层段, 分析了各种榴辉岩亚类在主孔中的深度分布特征, 为地学研究提供了资料. 相似文献
6.
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
7.
8.
岩性识别的多元统计方法 总被引：6，自引：0，他引：6
识别地层岩性是在地层对比,沉积相分析等地质研究中的重要任务,在岩心资源较少,测井资料较多的情况下,利用多元统计分析进行地层岩性识别则是一种有效方法,为此,本文在胜利油田永一沙田砾岩体实际资料的基础上,通过取心井岩心和相应测井曲线的对应特征分析,应用判别分析方法,挑选了对岩性识别能力强的测井参数,确定了相应的岩性识别函数,利用该函数可以快速反应不同深度点上的地层岩性,并绘制相应的岩性剖面图等,为进一 相似文献
9.
测井资料计算机自动分层与岩性识别 总被引：11，自引：2，他引：9
在测井资料格式转换、环境影响校正、平滑滤波、标准化和加权等预处理的基础上,应用系统加权综合曲线信息法、曲线活度分析法进行测井资料自动分层,用概率统计法、聚类分析法实现测井曲线自动岩性识别,形成了一套完整的测井资料计算机处理解释系统 相似文献
10.
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
11.
测井解释中岩性成份的分析是一个多参数的非线性反演问题，最优化变尺度法比较适合求解这一类问题，而且收敛速度快、效果好。这里主要讨论如何利用最优化变尺度法进行测井资料的岩性解释。首先介绍了最优化变尺度法的原理及其实现步骤，然后论述了最优化变尺度法在测井解释中的应用，包括目标函数的构制、岩性成份分析模型的建立，最后给出了最优化变尺度法在某井段岩性解释中的应用效果。 相似文献
12.
利用岩心、薄片、常规测井、成像测井等资料结合物性分析等,对鄂尔多斯盆地合水地区长7致密油岩性岩相等特征进行了研究。长7致密油储层以砂质碎屑流、浊流和滑塌成因的砂岩为主,烃源岩以泥岩、油页岩为主,根据粒度参数进一步将长7致密油岩性岩相划分为砂质碎屑流细砂岩相、浊流细砂岩相、浊流粉砂岩相、滑塌岩相、半深湖—深湖泥岩相以及油页岩相6类。通过岩心刻度常规和成像测井,建立了不同岩性岩相的测井识别评价标准,并实现了各单井纵向上的岩性岩相的识别和划分。在此基础上,进一步探讨了不同岩性岩相与TOC含量和脆性指数的关系。最后结合试油气资料和油气解释结论,阐明岩性岩相对致密油储层物性和含油气性的定量控制。致密油岩性岩相的研究可为后期成岩相、孔隙结构以及优质储集体预测等奠定基础,为研究区长7致密油的综合评价和有利发育区带预测提供理论指导和技术支持。 相似文献
13.
作为新兴的测井仪器,岩性扫描测井（LithoScanner）通过获取地层元素含量,进一步获得地层矿物含量,帮助地质学家解决复杂岩性识别等地质学难题。为了充分推广其在地质学领域的应用, 笔者等对岩性扫描测井的原理和解释处理流程进行梳理,并对应用过程中出现的典型案例进行分析。LithoScanner测井可直接获取地层岩性特征,帮助识别地层界面,并实现页岩等复杂岩性、岩相的准确识别。而脆性矿物含量、有机碳含量等也可被LithoScanner测井准确获取,从而计算地层中的脆性指数和有机碳的含量。LithoScanner测井可以探测黄铁矿、煤层等特殊矿物组分,因此可以辅助核磁共振测井资料解释评价。最后指出LithoScanner测井与相应的岩芯和实验数据进行比对,提高LithoScanner测井的可靠性。研究有助于将LithoScanner测井中蕴含的大量地质信息进行挖掘与解读,并消除该资料应用中的一些误区,从而推广LithoScanner测井应用领域。 相似文献
14.
应用CP网络进行岩性识别 总被引：2，自引：3，他引：2
为通过测井解决岩性识别问题，引入了具有分类准确、算法简练等优点的CP（Counter-Propagation)网络。在详细介绍CP网络的网络模型和算法的基础上，结合某油田的实际测井资料，进行了CP网络识别研究。应用结果表明：CP网络训练周期短、识别准确率高、不存在收敛问题。通过试验研究得出结论：CP网络完全可以用于解决岩性识别等问题，具有广阔的应用前景。 相似文献
15.
阐述合成地震记录的制作原理,利用测井数据计算出反射系数。根据地震波传播机制,通过三维地震数据统计得到子波,由此计算出原始合成记录。再根据过井剖面建立褶积模型,对子波进行整形,得到一个随时间变化的地震子波,最终得到与地震数据的波组特征相吻合的合成地震记录。为精细储层描述打下了坚实的基础。 相似文献
16.
分析了传统测井解释方法的局限性。从神经网络的机理、特点出发,提出了一种基于人工智能神经网络技术的岩性识别、孔隙度和渗透率预测方法。首先选取适当的测井资料向量组成一个训练模式对,由多个训练模式对构成一个学习样本集。通过神经网络的学习,使网络记住这些特征并形成预测模型,最后根据预测模型计算相应参数。以十红滩地区的找矿目的层为对象,进行了岩性分析与对比,预测了孔隙度与渗透率,并与实测值进行了对比。上述实例分析表明,该方法用于砂岩型铀矿预测岩性、孔隙度和渗透率具有一定的可行性。与传统方法相比,该方法不需要建立具体的解释模型和计算公式,有较好的适应性和预测精度。基于人工智能神经网络技术的岩性识别、孔隙度和渗透率预测方法具有较高的实用价值。 相似文献
17.
王宏建 《吉林大学学报(地球科学版)》2012,(Z1):72-79
海拉尔盆地乌南地区下白垩统储层的岩性主要为火山熔岩、火山碎屑岩和正常沉积岩。以往的储层研究均遵循根据岩性建立测井解释方法的思路。根据乌南地区储层同种岩性具有不同测井响应、不同岩性又具有相同测井的特征,采用压汞实验分析与岩心孔渗试油分析相结合,建立本区的实验室条件下的储层分类标准,并利用常规测井资料建立乌南地区测井储层分类标准。压汞实验资料与岩心孔渗试油资料显示研究区储层可以分为三大类(四小类):Ⅰ类储层的孔隙以溶蚀粒间孔为主,黏土矿物以分散式和内衬式充填;ⅡA类储层孔隙主要是熔蚀粒间孔和溶蚀粒内孔,黏土矿物以搭桥式或以内衬式充填;ⅡB类储层主要为溶蚀粒内孔,黏土矿物以搭桥式充填;Ⅲ类储层在铸体薄片中几乎观察不到有效的孔隙,黏土矿物堵塞孔喉。采用XD-N与DEN或CNL做交会图,能有效区分乌南地区储层类别,储层分类判别符合率达到88.9%。 相似文献