测井岩性识别新方法研究

为了更好地解决测井岩性识别问题,引入了一种基于粒子群优化的支持向量机算法.通过实际测井资料和岩性剖面资料进行学习训练支持向量机,并利用粒子群优化算法对支持向量机参数进行优化,建立了测井岩性识别的支持向量机模型,应用该方法对准噶尔盆地某井的测井岩性进行识别,并将该方法的识别结果与BP神经网络方法的识别结果进行了比较,结果表明该方法优于BP神经网络方法,具有识别正确率高、收敛速度快、推广能力强等优点.     

GBDT识别致密砂岩储层岩性

岩性识别是一项重要的地质基础研究内容.以交会图为代表的常规岩性识别工具虽然在构建的二维或三维图版中能够依据手动归类的测井数据点集来明确各种岩性的一系列测井响应判定,但却无法适用于致密砂岩储层,其原因是该类储层的岩性成分不仅复杂,且较多岩性的测井响应特征具有相似性.根据机器学习在数据分析上的强大性能,本文提出利用在模式识别方面能力出众的GBDT模型来解决岩性识别问题.本文以姬塬油田西部长4+5段致密砂岩储层测井资料为基础,通过设计两种实验来验证提出模型的岩性识别能力.为提高验证效果,在实验中加入BP、PNN和KNN三种传统模式识别模型进行对比.实验结果显示,GBDT识别准确率最高,分别为90.14％和90.41％.基于GBDT较传统模式识别模型能够给出更为准确的预测值,实验结果充分证明了提出模型不仅能有效识别致密砂岩储层岩性,在岩性识别研究领域上还具有良好的推广应用前景.     

南堡5号构造火山岩岩性识别技术研究

南堡5号构造具有火山多期喷发、岩相岩性复杂的地质特征,岩性识别困难.本文在取心分析、薄片鉴定、电镜扫描的基础上,分析总结不同岩性的测井响应特征,综合应用常规测井、ECS测井和成像测井资料,采用"结构"-"成分"-"粒级"的三级分类方法,利用交会图技术进行岩性识别.同时为能利用多条测井曲线识别岩性,并能避免分析问题的难度和复杂性,采用自动判别分析、主成分分析方法进行岩性自动识别,取得了较好的效果.     

利用BP神经网络法对致密砂岩气藏储集层复杂岩性的识别

在岩心和录井资料较少,又非常依赖测井资料进行地质综合解释的研究区域,利用测井资料进行岩性识别是一项基础而又重要的工作.测井资料的数据种类虽然较多,但对岩性敏感的曲线较少,因此,如何优选对岩性敏感的测井曲线,然后进行网络学预测岩性,则显得尤为关键.在进行BP神经网络学习前,利用已知岩心资料,优选了本研究区对岩性较为敏感的自然伽玛和光电吸收截面指数这两种测井曲线,并做标准化与归一化处理,以消除测井系列、型号和测井曲线度量单位的不同引起的刻度和数量级误差,从而提高网络收敛速度,建立准确岩性识别模型,识别了未取芯井的岩性.研究结果表明,利用优选输入向量的BP神经网络法对苏里格气田复杂岩性进行识别,识别准确率较高,平均符合率达到了近90%.因此,通过采用该方法对岩性的识别,也为后续基础性研究工作提供了宝贵的一手资料.     

基于改进多粒度级联森林的测井岩性识别方法研究与应用

岩性是储层评价和地层开发潜力评测的关键因素,是油藏描述、实时钻井监控及求取储层参数的基础.测井资料中包含丰富的地层岩性信息,是岩性分析的基础资料.然而,数据信息的精度往往会严重的影响到识别的准确率,同时复杂的岩性状况也加大了测井解释的难度,如何快速、精确、低耗地利用测井资料获取地层岩性信息越来越受到研究人员的重视.针对传统深度神经网络复杂的网络模型和学习性能严重依赖对超参数调节的问题,本文在机器学习的基础上引入余弦相似度对多粒度级联森林方法进行改进,提出改进多粒度级联森林模型(Improve Multi-Grained Cascade Forest,IgcForest),有效地提高了岩性识别的效率和精度.在大庆油田实际测井数据上使用IgcForest方法,综合自然伽马(GR)、声波时差(AC)、密度(DEN)、微梯度电阻率(RMN)、深侧向电阻率(PHIND)和浅侧向电阻率(RLLS)六种测井参数,对页岩、粉砂岩和砂岩进行识别,取得了较好的识别效果.通过实验数据对比,使用IgcForest模型的岩性识别准确率高于支持向量机、深度神经网络、决策树和多粒度级联森林(Multi-Grained Cascade Forest,gcForest)等其他模型10％左右,算法整体准确率高达87％,表明其在岩性识别算法中更具有发展前景.     

面向复杂储层的非均衡测井数据的岩性识别

针对常规岩性识别方法在复杂储层的非均衡测井数据准确率不高的问题,本文提出了一种面向复杂储层非均衡测井数据的多层BP神经网络的岩性识别算法.根据测井数据的特点及测井数据间的非线性关系,对测井数据进行均衡化处理,利用多层BP神经网络进行逐层岩性识别.在13个含油气盆地的7793个地层元素测井数据中测试表明,本文提出的方法在数据非均衡比达到1∶6的情况下,岩性识别的符合率仍能达到92%以上,在复杂储层的岩性识别方面具有很好的应用前景.     

测井数据岩性识别软件系统的开发与应用

利用BP神经网络方法识别岩性技术为理论基础,编制了集测井数据岩性识别、测井基础数据管理以及测井柱状图自动绘制等功能为一体的测井数据处理软件系统.利用彬长矿区标准化的实际基础数据,对该软件系统的岩性识别功能进行了检验,获得了较高的识别速度和准确率.应用结果表明,该软件系统具有一定的实用价值.     

ANN测井相分析方法研究

本文研究了用于测井相分析识别岩性的人工神经网络（ＡＮＮ）模型设计并在ＳＵＮ工作站上用基于距离Ｄ－ＫｏｈｏｎｅｎＮＮ、Ｄ－ＢＰＮＮ两个网络建立了ＡＮＮ自动测井相分析系统。在实际应用中对比了ＡＷ岩相识别和传统多元统计岩相识别的效果，证明了ＡＮＮ模式识别技术用于测井相分析的可行性和优越性。     

用地球物理测井方法识别碳酸盐岩储集层的岩性及孔隙结构——以巴西深海J油田案例

位于巴西深J油田的盐下碳酸盐岩岩性及孔隙结构的识别对于区域储层的分布规律十分重要,但由于海外资料的获取量有限,如何最大限度地利用已有资料进行精准有效的岩性识别成为难题.本文在已有的各项地质信息资料的基础上,先利用成像测井资料提取出储层内主要岩性典型的结构标准图版,然后探索各类岩性在常规测井曲线上的响应规律,并提取出识别岩性的敏感参数,建立起常规测井参数的交会图法识别规律.确认其应用在全井段识别中取得效果后,进一步利用数据挖掘软件中的决策树技术,组合成交会图-决策树模型法.将此模型应用于实际井资料的处理,利用薄片资料和成像图像进行验证,得到了更高的岩性识别符合率,证实了模型在仅有常规测井资料中的适用性.     

基于自适应粒子群优化最小二乘支持向量机的深层变质岩测井岩性识别

辽河坳陷中央凸起中南部基底变质岩类型多样,测井岩石物理参数与岩性之间的映射关系复杂,测井响应多解性强,导致传统的测井岩性识别方法结果不精确.本文采用基于自适应粒子群参数优化的最小二乘支持向量机算法进行变质岩的测井多参数岩性识别.通过变质岩测井岩石物理分析,优选出对岩性敏感的自然伽马、自然电位、声波时差、深侧向电阻率、密度和补偿中子6种测井参数作为特征输入,以自适应粒子群算法优化最小二乘支持向量机参数,构建岩性判别模型,预测目的层段变粒岩、混合花岗岩、混合片麻岩、混合岩和角闪岩5种类型变质岩的垂向分布.与支持向量机、K最邻近及人工神经网络算法的岩性识别效果相比,本方法判别准确率最高,符合率为90.17%,在随机划分的10次样本预测中本模型稳定性最强,分类性能最好,平均AUC值为0.974,有效解决了深层基底变质岩储层精细描述中的岩性精准识别难题.     

测井约束反演技术在煤田三维地震岩性勘探中的应用

利用地震技术解决岩性问题在煤田勘探中一直是近年来人们研究的一个热门课题,与其他地震反演技术相比,测井约束反演技术不仅可提高原始地震资料的垂向分辨率,而且将地震波转换为层的信息,因此正在岩性勘探中得到广泛应用．本文介绍了测井约束反演技术的原理及影响因素,并以开滦集团荆各庄矿某采区岩性勘探为例,说明了测井约束反演技术在煤田三维地震岩性勘探中的具体方法和应用效果。     

基于SVM测井数据的火山岩岩性识别——以辽河盆地东部坳陷为例

辽河盆地东部坳陷储集层由火山多期喷发形成,岩相岩性复杂,岩性以中、基性火山岩为主.本文将火山岩的岩心及岩矿鉴定资料与测井数据进行整合,应用测井数据建立支持向量机(SVM)两分类和多分类岩性识别模式.首先,深入研究支持向量机二分类及"一对一"、"一对多"和有向无环图三种经典多分类算法的基本原理及结构;然后,总结研究区域火山岩岩石特征,分析测井数据的测井响应组合特征,选择40口井中岩心分析和薄片鉴定资料完整、常规五种测井曲线(RLLD,CNL,DEN,AC,GR)齐全的1200个测井数据作为训练样本,构造三种支持向量机岩性识别模式;最后,对4测试井中800个测井数据进行岩性识别,识别结果与取心段岩心描述和岩心/岩屑薄片鉴定资料对比,实验结果表明有向无环图更适合辽河盆地火山岩的识别,识别正确率达到82.3%.     

庐枞盆地科学钻探地球物理测井及深部铀异常的发现

庐枞盆地砖桥科学钻探ZK01孔为深部探测技术与实验研究专项在庐枞盆地施工的钻探验证孔,全井段实施了连续取心和地球物理测井工作.测井工作分三次完成,测井总深度1994.02m.测井项目包括视电阻率、极化率、磁化率、纵波速度、超声成像、自然伽马、密度、井斜、井径、井温、泥浆电阻率、井中三分量磁测等10多种方法,获得了钻孔剖面原位物性参数、钻孔几何形态及井壁超声图像.通过对地球物理测井和钻孔岩心编录等资料的研究,完成了岩性的人工识别与支持向量机判别,建立了钻孔测井解释岩性剖面;通过对矿化地层的测井响应分析,将电阻率和磁化率作为粗安岩矿化的识别标识;根据超声成像测井资料推断本地区深部地层最大水平主应力方向为南北走向.在ZK01孔1500~1900m发现放射性异常,对铀当量大于万分之一的21处异常进行了定量解释,铀矿化段累积厚度93.02m,为庐枞地区深部找铀矿提供了重大线索.     

COMPARISON OF METHODS FOR DISTINGUISHING DIFFERENT GRADES OF GEOMORPHOLOGIC SURFACES BASED ON SEDIMENT PARTICLE SIZE FEATURES: TAKING THE QINGYIJIANG RIVER BASIN AS AN EXAMPLE

When using river geomorphology to study tectonic deformation, it is often difficult to distinguish the same level geomorphology in areas with severe weathering. In this paper, we take the geomorphologic surfaces of the Qingyijiang river basin as an example and try to distinguish the geomorphic surfaces by the sediment features that make up them. In order to distinguish different geomorphic surfaces, the traditional particle-size analysis method, SOFM network method and system clustering analysis method are taken to classify 29 samples from different geomorphic surfaces. The classification results of the three methods are different to a certain extent. We analyzed and compared the classification results of the three methods in detail. The results show that the traditional particle size analysis method, SOFM network method and cluster analysis method all can distinguish the geomorphic surface of different genesis, besides, they also can distinguish low-level terraces(T₁, T₂)and high-level terraces(T₃, T₄)for different grades of river terraces. Furthermore, the results also show that SOFM network method and cluster analysis method can make a certain distinction for the low-level terraces(T₁, T₂), while the traditional particle size analysis method is difficult to distinguish them. In addition, we analyzed and compared the three methods from the classification results, the results presentation, the operation process, and the error transmission. The results suggest that the advantages and disadvantages of the three methods are obvious. From the perspective of the classification results, the three methods all can distinguish the river terraces and alluvial fans and can make certain discrimination for different levels of river terraces. From the presentation of the results, the result of SOFM network is simple and clear. From the operation process, the traditional particle-size analysis method is relatively cumbersome, and the SOFM network method and the cluster analysis method are relatively simple to operate. From the perspective of error transmission, the traditional particle-size analysis method calculates the partial particle size feature value of the sample, which has a certain loss for the particle size distribution information of the whole sample. The error of the clustering analysis method has cumulative features and the influence exists consistently. The classification results of the SOFM network are independent of each other, which effectively avoids the problem of such error transmission of clustering analysis method. Overall, the classification results of the SOFM network method are simple and clear, the operation is simple, and the error is small. It has stronger adaptability to identifying different levels of different geomorphic surfaces. The results of this study will provide a simple and effective means for distinguishing different levels of geomorphic surfaces.     

碳酸盐岩裂缝性储层测井识别及评价技术综述与展望

由于碳酸盐岩裂缝发育机制的复杂性,开展碳酸盐岩裂缝性储层的识别与评价一直是测井分析的热点和难点.本文基于大量文献调研,梳理了碳酸盐岩裂缝的定义、成因和分类,系统归纳了碳酸盐岩裂缝性储层的测井响应特征及评价方法,并进行了实例分析.研究表明,常规测井方法对碳酸盐岩裂缝均有不同程度的揭示,基于不同原理的常规测井方法对碳酸岩盐裂缝的响应程度差异显著,利用常规测井方法对碳酸岩盐储层裂缝识别应遵循综合识别原则;碳酸盐岩裂缝成像测井识别方法中,电阻率成像测井、偶极声波测井和核磁共振测井反映裂缝较为直观,但成本高;基于常规测井资料的灰色关联识别方法、神经网络识别方法、小波多尺度识别方法等非线性数学方法,弥补了常规测井和成像测井识别碳酸盐岩裂缝的不足,并且取得较好的应用效果.     

Self-organizing feature map neural network classification of the ASTER data based on wavelet fusion

Remote sensing classification methods can be classified as supervised and unsupervised catalogs. The maximum likelihood method (MLH) is a super-vised classification method,which is widely used in the remote sensing data classification and produces good results[1]. In the MLH, the parameters are esti-mated, assuming that the samples are normally dis-tributed in spectral space, to determine the mean vec-tor and covariance matrix of all classes. In most cases, however, the samples are not norma…     

惠民凹陷沙三段岩性油藏勘探中地震技术的应用

针对惠民凹陷岩性油藏勘探存在的难题,开展了岩性油藏勘探技术研究。以地震、地质资料为基础,采用井震联合及小波变换技术,完善了层序地层等时格架建立方法,确定了各三角洲的时空展布规律。应用多元综合标定、地震相划分、正演模拟和测井约束反演一系列技术,实现了不同沉积类型有利砂体的描述。形成了适合惠民凹陷沙三段岩性油藏勘探的技术系列,可以指导惠民凹陷沙三段岩性油藏的勘探。     

Full 3-D numerical modeling of borehole electric image logging and the evaluation model of fracture

A full 3-D finite element method numerical modeling program is written based on the principle and technical specification of borehole electric image well logging tool. The response of well logging is computed in the formation media model with a single fracture. The effect of changing fracture aperture and resistivity ratio to the logging response is discussed. The identification ability for two parallel fractures is also present. A quantitative evaluation formula of fracture aperture from borehole electric image logging data is set up. A case study of the model well is done to verify the accuracy of the for-mula. The result indicates that the formula is more accurate than the foreign one.     

跨安宁河断裂带浅孔综合地球物理测井成果分析

利用综合地球物理测井技术测得跨川西安宁河断裂带冕宁—西昌段两个钻孔的电阻率、声波速度、自然电位、自然伽马等4种综合测井曲线,并结合钻孔取芯资料得到了钻孔周围所钻遇岩土层的综合物性参数．本文得到的综合测井解释成果客观真实地反映了安宁河断裂带东、西两盘的介质物性和岩性特征,揭示了断层东、西两盘地层的纵波速度变化、视电阻率值等物性变化特征,为研究安宁河断裂带的物质组成、介质物性、断层结构及其活动状态提供了基础资料．综合地球物理测井技术有望成为监测活动断裂带附近介质物性参数动态变化的一种新手段．