排序方式： 共有3条查询结果，搜索用时 10 毫秒
1
1.
中国西部某盆地致密油储层孔隙结构差,而核磁共振测井T2谱宽,其复杂的核磁测井响应认识不清,且响应机理也不明确.本文基于致密油储层的特性,通过对三组岩样不同系列的实验测量,包括核磁共振、毛管压力曲线、X衍射矿物分析和润湿性实验,主要研究了碳酸盐岩矿物含量对T2谱的影响和由润湿性引起的T2弛豫机制.根据实验结果分析和讨论,明确了致密油岩石核磁共振响应的影响因素及孔隙流体的弛豫机制.综合分析认为,所述的核磁测井响应特征是由两方面因素综合作用的结果,一是水的T2信号主要取决于表面弛豫,低表面弛豫率的碳酸盐岩矿物导致水的T2信号的长弛豫分量增多;二是由于岩石亲油孔隙表面的存在且其弛豫率低于亲水孔隙表面的弛豫率,使得油的T2信号由表面弛豫和体弛豫贡献. 相似文献
2.
致密砂岩储层物性差,测井响应对孔隙流体不敏感,应用传统测井解释图版划分流体类型精度较低.机器学习技术通过学习更多维度的特征,可以建立合适的流体识别模型.相较于单一算法,集成学习可以通过联合多个专家模型提升预测精度,但是不同的集成学习策略性能差距较大.本文提出了一种改进的Stacking算法,通过平均影响值法寻找敏感测井曲线作为输入,利用不同的特征集构建多个子模型,并使用不同集成策略将其组合为若干性能更佳的专家模型进行训练,同时引入独立专家避免过拟合,将专家模型的预测结果通过交叉验证的方式进行模拟预测,最后应用元学习器预测最终结果.将该方法用于库车坳陷迪北气藏致密砂岩储层流体识别,测试准确率可达93%,优于CatBoost模型和XGBoost模型,证明了该方法的有效性和适用性.为致密砂岩储层流体识别提供了新的思路. 相似文献
3.
应用改进蜂群算法反演面波频散曲线以获得近地表横波速度剖面.蜂群算法属于群智能算法中的一种,灵感来源于蜜蜂群体特定的觅食行为,在该算法的基础上结合粒子群算法中的全局最优解引导思想,同时引入遗传算法中交叉运算操作,即采用基于交叉操作的全局人工蜂群算法对面波频散曲线进行反演研究.改进蜂群算法在继承传统算法精于探索特性的同时,针对其疏于开发的缺陷着重加强了算法对全局的探索能力.使用理论和实测瑞雷波数据,本文研究了改进蜂群算法在推导近地表横波速度分布的有效性和适用性.在反演中,目标函数的收敛性好,改进算法在迭代的过程中能够快速收敛到全局最优;模型参数的概率分布高,即在寻找到全局最优解的同时,能够确保解中每个参数同时达到最优,保证了反演的结果可靠度,使其能有效地应用于瑞雷波频散曲线的反演和解释中. 相似文献
1