【摘 要】
:
传统的测井解释规则库的获取需专业研究人员以手工方式进行,存在繁琐、耗时等缺点,且技术熟练程度直接影响到解释评价效果,为此,提出了一种基于XGBoost的测井解释规则库自动获取或建立测井解释专家规则库的方法,将多种物理信息和地质参数作为输入特征,储层类别作为输出标签,通过引入XGBoost算法,经过学习得出地质参数与储层类别之间的关系模型.利用该模型,可以自动预测储层类别,进而建立测井解释规则库.胜利油田盐家永安地区某砂砾岩油气藏的砂砾岩测井解释评价结果表明,与支持向量机(SVM)算法和梯度提升决策树(GB
【机 构】
:
中石化经纬有限公司胜利测井公司,山东东营257096;中国石油大学(华东)海洋与空间信息学院,山东青岛266580;中国石油大学(华东)控制科学与工程学院,山东青岛266580
论文部分内容阅读
传统的测井解释规则库的获取需专业研究人员以手工方式进行,存在繁琐、耗时等缺点,且技术熟练程度直接影响到解释评价效果,为此,提出了一种基于XGBoost的测井解释规则库自动获取或建立测井解释专家规则库的方法,将多种物理信息和地质参数作为输入特征,储层类别作为输出标签,通过引入XGBoost算法,经过学习得出地质参数与储层类别之间的关系模型.利用该模型,可以自动预测储层类别,进而建立测井解释规则库.胜利油田盐家永安地区某砂砾岩油气藏的砂砾岩测井解释评价结果表明,与支持向量机(SVM)算法和梯度提升决策树(GBDT)算法相比,本文方法具有更高的准确率和更高的计算效率.研究区老井复查结果表明:与手工获取规则库方法相比,本文方法较完整地提取了研究区内的知识规则,提升了测井解释的准确率.
其他文献
深度神经网络通过分析由不同地质和地球物理来源获得的数据之间的相关性确定油气储层特征,从而开展地震油气储层分布预测.经过适当的训练,深度神经网络可以通过识别与样本数据相关的复杂非线性关系来预测油气储层性质,然而目前仍缺少深度神经网络超参数的选取对地震油气藏分布预测结果影响的系统性研究.为此,在分析深度神经网络隐含层数目、隐含层节点数及激活函数的基础上,探讨了深度神经网络模型超参数选取对含油气性多波地震响应特征提取结果的影响,并利用多种评价指标对不同网络结构模型的性能进行了对比.结果表明,深度神经网络隐含层数
地震相是沉积相在地震剖面上的反映,能为地下资源尤其是油气资源的勘探开发提供有效依据.近年来随着人工智能的快速发展和油气人工智能的有力推进,国内外学者提出了多种地震相智能识别的方法.对地震相智能识别方法进行了归纳总结,将其归纳为无监督学习、监督学习和半监督学习3类,并详细介绍了这3类方法的原理、应用现状及其优缺点.无监督学习利用没有标签的地震数据进行学习聚类,从而实现地震相的自动识别,具有简单易操作的特点.监督学习主要利用标签数据反馈学习,通过学习不断接近标签,从而使得该方法在地震相识别中具有更高的精度.半
非常规油气储层矿物成分复杂,流体赋存形式多样,孔隙度、渗透率和饱和度等储层参数与测井响应呈非线性关系,难以构建理论模型或经验公式.近年发展迅速的机器学习为测井解释提供了新思路.综述了机器学习在测井解释中的应用现状,概述了集成机器学习的概念、框架和工作机制,指出机器学习包括同质集成与异质集成(委员会机器)两种,简述了两者的差异.重点介绍了委员会机器的基本原理和工作机制.委员会机器是一种结合神经网络和决策树等多种智能算法构建的集成机器学习系统,采用特定的组合策略实现多专家共同决策,对改善训练模型和预测结果具有
点扩散函数(PSF)反映了地震观测系统对地下一个成像点观测过程的模糊化.在反演理论下可以证明,偏移成像是真实反射率与PSF卷积的结果.将反演成像转化为模型空间的图像去模糊问题,其核心在于PSF算子的计算和PSF模糊化效应的消除.提出了通过散射点模型的一次正演和偏移高效求取控制点PSF,而后通过空间插值快速得到全成像空间PSF的方法.理论分析和数值实验结果表明,全成像空间的PSF是反演理论中Hessian算子的近似,将PSF与反射率模型卷积得到模糊化的图像.利用波数域反演成像的方法,对常规偏移成像结果进行解
将第一部分论述中提出的地震数据线性正演表达公式作为地震数据线性反演的正演方程,利用线性反演理论提出包括散射数据波形成像和反射数据波形成像的地震数据波形成像方法理论,给出了标量波散射数据、声波反射数据和弹性波反射数据波形成像的具体计算公式.散射数据波形成像是对散射体物性参数相对扰动的线性反演,反射数据波形成像是对反射体波阻抗相对扰动或反射体边界局部反射系数的线性反演.在波形成像中,如果将波场传播算子的伴随算子作为波场传播算子的逆,则波形成像可转化为波形偏移;如果将波场传播算子的最小二乘逆作为波场传播算子的逆
地震勘探是探测地下油气资源的重要方法之一,利用人工地震剖面数据多种特征识别储层结构、岩性、物性等是地球物理勘探的关键问题.随着数据量的增大,对地震数据进行降维和信号特征编码成为快速处理和分析地震资料的重要方向.由于手工标记拾取地震数据特征耗时费力、效率不高,而且不同人员往往会产生不同的解释结果,为此,基于地震剖面数据与人类指纹之间存在的相似性特征,提出了地震数据指纹特征点提取和自动标签化方法.该方法通过识别地震剖面数据间断、分叉等特征点,从海量地震剖面数据中提取存储量小、信息丰富的指纹特征点,并实现指纹特
目前许多测井曲线预测模型存在预测结果不稳定、精度不高的问题.为此,将深度学习中特征表达能力较强的卷积神经网络(CNN)和记忆能力较强的门控循环单元(GRU)相结合,设计并实现了一种通过卷积门控循环单元(CNN-GRU)神经网络进行缺失井曲线预测的方法.以测井数据序列作为输入,首先通过CNN网络提取测井数据的特征,形成时序序列的特征向量,再利用GRU网络进行训练,最后输出测井曲线预测值.该方法综合了卷积神经网络局部特性感知和门控循环单元网络长期记忆的特性,考虑了测井曲线的深度趋势和局部形状,具有较高的预测精
滩坝砂储层因其储层物性差、单层厚度薄等特点而导致产能预测较为困难,提出了一种新的基于数据和模型双驱动的井震结合产能等级划分方法.通过机器学习中的降维算法结合聚类算法,并利用聚类算法中的肘部法确定最佳聚类数,进行储层测井产能等级自动划分.首次在平面径向流公式的基础上建立了测井产能等级指示模型,为地震属性横向预测提供井点刻度.以胜利油田W工区为例,利用最小二乘法推导出了测井产能等级指数公式,计算了 10 口井目的层单井产能等级指数.对提取的多种地震属性在井点处的属性值与测井产能等级分类结果进行Pearson相
弹性波高斯束逆时偏移是一种兼具计算效率和成像精度的多分量地震成像算法,具有面向目标成像的能力,但目前研究主要集中在声波各向同性、各向异性和弹性波各向同性介质,有关弹性波各向异性介质的研究较少.首先,基于地震波矢量特性,在震源点和检波点分别采用P波和S波进行射线追踪,发展了一种基于相速度的各向异性弹性波射线追踪算法,该算法不仅具有较高的计算效率,而且能消除求取地下介质各向异性参数时的不确定性;然后,通过弹性波动力学高斯束表征的格林函数来实现波场正反向延拓;最后,对正反向延拓波场进行互相关获取成像值,实现弹性
中国科学院新疆天文台25m南山射电望远镜(25m NSRT)受日照导致天线结构温度不均匀,其指向精度和效率均有一定程度的损失.为研究25 m NSRT日照下的热力学特性,构建了晴空下射电望远镜热环境参数和热力学有限元模型,考虑了射电望远镜背架、面板等结构件对光线的反射和遮挡作用,通过比较25 m NSRT典型观测工况下各构件的平均温度、均方根温差、单位温差特征距离等特性参数,发现各部件热容量的差异是天线部件间存在大尺度温差现象的主要原因;分析了各类俯仰角和太阳照射角下天线背架结构的温度分布特征,表明日照区