机器学习算法在页岩气储层含气量预测中的应用

来源 :国际页岩气论坛2021第十一届亚太页岩油气暨非常规能源峰会论文集 | 被引量 : 0次 | 上传用户:ebear2009
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
页岩含气量是页岩气勘探开发评价和预测的关键参数之一。常规利用地球物理方法开展页岩含气量预测是建立在总含气量与密度参数的线性拟合基础上,通过叠前密度反演实现含气量的预测。然而四川盆地Z区块钻探程度低,地质资料少,岩石样品实验数据缺乏,由线性回归公式建立的页岩含气量预测模型,预测精度较低,存在一定的误差。针对上述问题,本文提出了一种基于粒子群(PSO)的支持向量机(SVM)的页岩含气量预测模型。采用PSO-SVM模型计算得到含气量测井曲线,与岩心实测含气量进行对比,验证模型的精准度。再利用模型计算出页岩含气量与敏感参数之间复杂的非线性关系,根据建立非线性关系可以反演得到储层含气量数据体。研究表明,利用PSO-SVM模型技术进行含气量预测,可以有效提高页岩气储层含气量的预测精度,在四川盆地具有很好的应用前景。
其他文献
在构建初中物理深度学习课堂期间,教师需要加强对教学过程的思考,适当将模型思维运用于其中,以此培养学生良好的思维能力,使学生逐步形成对知识点的深刻认知。一、模型思维的本质内涵剖析模型思维是一种思维形式,表现为一个人将自身所学知识转化为现存理论以及道理后积极展开解决问题的过程。
期刊
2020年,东盟晋升为中国第一大贸易伙伴,取代了欧盟的位置。预计在未来较长的时间里,东盟与中国都将成为最大贸易伙伴。但是由于东盟市场复杂性和特殊性,面向东盟市场的中国跨境电商海外仓尚处于初始发展阶段,对中国东盟跨境电商市场海外仓的研究也是少之又少。在中国东盟跨境电商的发展过程中,如果生搬硬套现有的海外仓模式,将不可避免的出现水土不服的问题,因此,探索中国东盟跨境电商海外仓的发展模式,分析中国东盟跨
结合"电流与电压、电阻的关系"案例探讨了任务驱动法在教学中的具体实施方案,指出该教学法对学生深度学习能力的促进作用,提出"创设问题情境,导入核心任务"促进教学活动进行、"批判理解任务,设计方案探索"引发深度思考、"创设认知冲突,引发深度思考"搭建新旧知识桥梁、"及时评价反思,促进意义生成"激发深度学习、"体现学以致用,促使深度探究"凸显科学本质。
丝瓜络煎汤代茶疗痛风痛风属中医学“历节风”“痹证”范畴。表现为拇趾、跖趾关节、足背、足跟、踝、指、腕等小关节红肿剧痛反复发作,关节畸形。丝瓜络煎汤代茶不仅可以祛风通络,行血清热,还有利尿作用,能增加尿量,促进尿酸排出,因而使痛风症状减轻。方法:每日取...
期刊
跨境电商海外仓解决了传统物流"最后一公里"的物流问题,大大提高了海外消费者的购物体验。近年来,我国跨境电商海外仓发展迅速,带动大量中小微企业的商品出海,外贸企业的服务能力不断提升。本文针对跨境电商海外仓的服务能力,构建了一个融合多维度的指标评价体系,并基于TOPSIS综合评价法,选择35家跨境电商海外仓企业,实证研究了跨境电商海外仓综合服务能力。实证结果表明:我国跨境电商海外仓综合服务能力可以分为
痛风性关节炎的分期论治从晓云,张建华,丁锷安徽中医学院附属医院(230031合肥)关键词:痛风性关节炎,中药,治疗痛风性关节炎是尿酸盐沉积在关节,引起关节破坏及炎性反应的一种疾病。随着我国人民生活水平的提高,发病率逐渐增多。我们在临床上应用中药内服、...
档案利用具有时效性的特征,档案价值的时效律决定档案利用的时效性。档案利用的时效性包括两个方面:其一,馆藏档案大都是只在某一段时间内可能被利用,随着时间推移,被利用的次数逐渐减少;其二,馆藏档案可能在某一时段被集中利用,随后就很少会再被利用了。通过对1987-2013年各省、自治区、直辖市综合档案馆与其直属机关档案室利用统计分析,得出的结论是从档案利用卷件次上看,档案馆比档案室减少了85.95%。显
目的研究双重血浆分子吸附系统(DPMAS)用于治疗肝衰竭及高胆红素血症的临床疗效。方法选择肝衰竭或严重高胆红素血症患者18例,其中男性11例,女性7例;年龄46~76岁,平均年龄63.56岁。所有患者均在给予内科综合治疗的基础上接受DPMAS治疗,比较其治疗前及治疗后48 h内天冬氨酸转氨酶(AST)、丙氨酸氨基转移酶(ALT)、γ-谷氨酰转肽酶(GGT)、碱性磷酸酶(ALP)、白蛋白(ALB)、
国内外档案界对档案的现实价值和历史价值有不同看法。科技档案的现实价值和历史价值的关系是,前者形成在先,更重要;后者形成在后,相对次要。科技档案的第一价值、第二价值与科技档案现实价值、历史价值有着比较复杂的关系。
水力压裂是一种广泛使用的油气井增产技术,总结机器学习在水力压裂作业中的应用研究,重点讨论机器学习在工程实际中的应用价值。分析经典机器学习算法、机器学习对水力压裂作业中的参数预测与评估以及机器学习对水力压裂作业的产能预测与优化等。讨论机器学习算法辅助水力压裂分析,提高水力压裂产率,并通过机器学习算法将数据转换为可用信息辅助工程师决策。最后提出机器学习在水力压裂作业中的发展方向是建立数据集的公共平台,