【摘 要】
：
基于岩心、测井和地震资料，开展了川西坳陷新场地区须家河组二段（须二段）砂体充填类型及其沉积展布规律研究，构建了该地区不同类型砂体的三维空间分布模型，为指导油气勘探开发提供定量化基础。新场地区须二段为辫状河三角洲沉积，主要有叠置河道、河道边缘、分流间湾和河口坝4种砂体沉积类型，其中叠置河道砂体厚度大、以中—粗粒沉积为主，是该区优质储层的主要发育区。新场地区须二段受龙门山和米仓山—大巴山两个方向的物源
【基金项目】
：
中石化科技部项目“川西坳陷须家河组气藏描述与地质建模（编号：P18089-3）”部分研究成果；
论文部分内容阅读
基于岩心、测井和地震资料，开展了川西坳陷新场地区须家河组二段（须二段）砂体充填类型及其沉积展布规律研究，构建了该地区不同类型砂体的三维空间分布模型，为指导油气勘探开发提供定量化基础。新场地区须二段为辫状河三角洲沉积，主要有叠置河道、河道边缘、分流间湾和河口坝4种砂体沉积类型，其中叠置河道砂体厚度大、以中—粗粒沉积为主，是该区优质储层的主要发育区。新场地区须二段受龙门山和米仓山—大巴山两个方向的物源供给，下亚段新场西部的叠置河道更为发育，中亚段双物源供给较强，叠置河道砂体规模最大，上亚段叠置河道主要发育在新场地区东部。在地球物理预测的基础上，拟合变差函数并以地震砂厚趋势进行协同约束，首先建立砂泥岩地质模型，基于多级相建模思路，以不同类型砂体展布为训练图像，采用多点地质统计方法建立砂体类型空间分布模型。该模型实现了不同砂体类型在三维空间充填的定量描述，具有合理的各类砂体之间的接触关系，可以为后续相对优质砂体的定量刻画和开发方案优化提供保障。
其他文献
目的 探讨CT引导Hook-wire穿刺定位在胸腔镜下切除肺小磨玻璃结节的应用价值。方法 选取肺部小结节患者136例为研究对象，均接受胸腔镜切除术。其中80例（观察组）术前采用CT引导Hook-wire穿刺定位，另外56例（对照组）采用CT常规体表定位。比较2组定位准确率、手术切除时间、住院时间、穿刺成功率、穿刺时间、穿刺深度、并发症总发生率以及引流时间。结果 观察组定位准确率高于对照组，差异有统
K均值聚类属于无监督学习,具有简单、易用的特点,是一种广泛使用的聚类分析方法.然而,对于非凸、稀疏及模糊的非线性可分数据,其聚类效果不佳.通过引入粒计算理论,采用邻域粒化技术,提出了一种邻域粒K均值聚类方法.样本在单特征上使用邻域粒化技术构造邻域粒子,在多特征上使用邻域粒化技术形成邻域粒向量.通过定义邻域粒与邻域粒向量的大小、度量和运算规则,提出两种邻域粒距离度量,并对所提出的邻域粒距离度量进行了
本文利用1982年、1990年、2000年和2010年中国人口普查资料，考察了中国制造业的就业结构演变趋势，发现中国制造业也出现了就业极化现象。技术进步被认为是导致就业极化最为重要的因素。因此，本文在马克思扩大再生产两大部类模型的基础上，将生产资料生产部类细分为一般生产资料生产分部类和机器人生产分部类，构建了一个扩展的两大部类模型，分析技术进步的就业极化机制。研究发现，技术进步既可以通过提高资本有
目的 探讨人工智能（AI）肺结节辅助诊断系统对肺磨玻璃结节（GGN）病理浸润程度评估的临床应用价值。方法 选取中国人民解放军联勤保障部队第九〇八医院2019年1月至2022年1月收治的GGN患者100例，所有患者临床资料及影像学资料完整，AI分析后再经胸腔镜手术切除134个肺磨玻璃结节。AI对GGN术前行浸润性评估，分为非典型腺瘤增生（AAH）、原位癌（AIS）、微浸润腺癌（MIA）、浸润性腺癌（
伴随着网络的飞速发展，网络直播行业呈现井喷式发展，电子商务营销模式也应运而生，相比传统电子商务营销模式，直播营销模式更加灵活，其社交性和娱乐性更强，网络直播的发展在很大程度上推动了电子商务营销的发展。在电子商务营销中，通过网络直播进行营销，用户的体验得到大幅提高，电子商务发展活力十足，在新兴事物与市场不断磨合的过程中，体现出了较强的综合实力。本文探析了电子商务营销中网络直播平台营销策略，对网络直播
当前关于国际货币体系的讨论框架尚不够完整。现有框架强调了美元体系运行中全球美元资金循环及其存在的风险，并以此为逻辑给出了美元体系未来可能的演进。在现有不完整框架基础上，本文纳入美元指数，美元定价信用通过美元指数来确定，美元指数代表少数经济体拥有国际金融市场的集体定价权、集体储备权和优先定价权，从而给出了分析美元体系及其运行的扩展性新框架。依据新框架，本文从外部平衡、金融和贸易等方面提出了约束美元体
分类学习效果与有限训练样本的分布情况密切相关。支持向量数据描述（Support vector data description,SVDD）作为单一边界求解模型，不能良好刻画数据实际分布特征，从而导致部分目标对象落在超球以外。为了提高其分类能力，本文提出一种基于粒计算的支持向量数据描述（Granular computing-driven SVDD,GrC-SVDD）分类方法，构造多粒度层次的属性集合
在传统的机器学习研究中,数据空间与知识空间分离表达、计算机的信息处理过程与人脑的认知处理过程不一致,成为了当前人工智能研究需要解决的核心关键问题.本文从认知计算的角度,回顾分析了基于多粒度认知的智能计算研究的发展历史轨迹,介绍了该领域的研究现状,提出了多粒度认知计算、可解释的认知机器学习、脑认知的智能计算辅助等该领域的三个前沿研究方向,探讨了在多粒度认知启发下,这些智能计算研究的未来可能发展趋势.
面对复杂多变的信息系统，传统的机器学习多分类模型无法实现一个动态分类的过程．序贯三支决策作为一种多粒度分类算法，常用于解决多粒度空间下动态分类问题．然而，序贯三支决策在粗粒度空间下容易产生决策冲突，在细粒度空间下要考虑很多属性导致其分类效率不高以及无法对最终未分类对象进行处理．因此，本文结合集成学习和粒计算的思想提出了一种基于属性代表的多粒度集成分类算法．首先，通过选择每一粒层中分类能力较强的属性