庐枞矿集区科学钻探的岩性识别方法

庐枞矿集区科学钻探钻遇岩性复杂,岩性亚种类别繁多,利用测井资料识别岩性存在较大的技术难度。笔者采用网格搜索法、粒子群优化和遗传算法三种方法优选支持向量机的核函数参数γ和惩罚因子C,其中基于遗传算法优选的支持向量机参数准确率最高。利用测井,结合岩芯、录井等资料,基于遗传算法建立支持向量机岩性自动识别模型,该模型实际数据预测总体符合率为86.86%,优于BP神经网络,全井岩性识别与岩芯录井相符,取得了好的应用效果。     

基于最小二乘支持向量机测井识别火山岩类型:以辽河盆地中基性火山岩为例

最小二乘支持向量机是在统计学习理论基础上发展起来的模式识别方法。与传统统计学相比,它能有效解决有限样本、非线性、高维数模型的建立问题,而且建立的模型具有很好的预测性能。岩性识别本质是解决分类问题,本文基于最小二乘支持向量机解决分类问题的优势,首先用GR、CNL、DEN、AC、R_LLD等常规测井曲线数据建立样本空间;然后通过耦合模拟退火和交叉验证的方法寻找最佳参数,优化最小二乘支持向量机分类器;最后建立了最小二乘支持向量机岩性识别模型。通过取心段岩心描述和岩心/岩屑薄片鉴定,确定辽河盆地40口井315 m井段2 520个岩性样品作为训练样本,建立岩性识别标准。对8口井13 866 m井段110 928个火山岩数据采样点进行测井识别,可识别致密玄武岩、气孔玄武岩、粗面岩等8种主要火山岩类型。识别结果与8口测试井中316个有取心段岩心描述和岩心/岩屑薄片的精确岩矿定名对比,符合率达到75.2%,与以往测井识别复杂火山岩岩性相比,在识别准确率和效率上都有明显提高。     

基于遗传算法优化的支持向量机在岩性识别中的应用

为提高测井岩性识别的精度,本文结合乌夏地区岩芯资料和测井数据,总结该地区砂砾岩测井响应特征,优选出声波、自然伽马、密度、中子孔隙度和电阻率等5条测井曲线参数作为训练和测试样本,通过遗传算法挑选出最佳的支持向量机核函数参数σ和惩罚因子C,建立支持向量机岩性识别模型。结果表明该模型实际数据预测总体符合率为81.6%,在识别准确率上与传统测井识别砂砾岩岩性方法相比都有明显提升。     

基于梯度提升算法的岩性识别方法

传统的岩性识别方法如岩屑录井、钻井取心及测井资料解释等技术,对录井质量的依赖程度较高,识别精度与效率低,泛化能力差。随着计算机技术的迅速发展,将测井资料与计算机技术相结合开展岩性研究已成为岩性识别的有效手段。本文提出了一种基于梯度提升算法XGBoost和LightGBM的岩性识别方法。以苏里格气田苏东41-33区块下碳酸盐岩储层为例进行测试验证,采用该方法结合测井资料中的声波时差、自然伽马、光电吸收截面指数、密度、深侧向电阻率和补偿中子等6种参数进行岩性识别,并与KNN （K近邻分类器）、朴素贝叶斯和支持向量机等传统算法进行对比,结果表明,3种传统算法的岩性识别准确率分别为78.45%、74.43%和78.72%,基于梯度提升算法XGBoost和LightGBM的识别准确率分别达到了98.90%和98.72%,远高于传统算法。     

基于不同测井曲线参数集的支持向量机岩性识别对比

对测井曲线提取的不同参数值,进行支持向量机(support vector machines,SVM)岩性识别对比,找出适合于岩性识别的测井参数集。利用取心段岩心和测井资料,依据M-N值法、曲线重叠法和测井曲线特征值法等3种常用的岩性识别方法,提取能够用于岩性识别的测井曲线参数值,再利用支持向量机进行岩性识别,将识别结果进行对比,按照误差最小原则,找出适合于岩性识别的测井参数集。结果显示,M-N值法、曲线重叠法和测井曲线特征值法3种不同的测井参数集在岩性识别时,测井曲线特征值法和重叠法误差最小,可优先作为识别的基础数据。      

3种经典机器学习算法在火山岩测井岩性识别中的对比

岩性识别一直是火山岩油气勘探中的重要课题,基于测井数据的岩性识别也逐渐成为火山岩研究的需要,大数据背景下的机器学习算法为测井岩性识别提供了一个新方向。为提高某研究区火山岩岩性识别符合率,本文采用K近邻、支持向量机和自适应增强3种经典机器学习算法,对研究区内的粗面岩、非致密粗面岩、辉绿岩、辉长岩、玄武岩和非致密玄武岩等6类中基性火山岩进行岩性识别。从常规测井系列中优选对研究区岩性敏感的自然伽马、声波时差、补偿中子、深侧向电阻率和补偿密度等5种测井参数作为岩性识别模型的输入向量,从研究区内5口有岩心样品或薄片鉴定资料的目标层中选取测井数据点1 440个,其中960个作为训练样本,其余480个作为测试样本。以识别符合率和时间作为评价指标,对3种算法的识别结果进行对比分析,实验表明：自适应增强算法的分类准确率最高,6类岩性平均识别符合率达到82.10%;支持向量机算法表现良好,平均识别符合率为81.04%;K近邻算法平均识别符合率为76.04%。     

基于主成分分析的致密砂砾岩孔隙度测井评价方法

岩性识别是致密砂砾岩测井评价的重要工作。砂砾岩岩性多样、成分复杂,导致测井识别岩性准确率低、测井解释孔隙度不准确。以东营凹陷北部陡坡带沙四下亚段致密砂砾岩为例,在对其岩石学特征分析的基础上,按照岩石类型和骨架矿物差异给砂砾岩分类,利用铸体薄片资料对测井曲线进行岩性标定,提取各种岩性的测井响应特征,在此基础上建立了基于主成分分析的测井岩性识别方法,并分岩性建立了孔隙度测井评价模型,提高了砂砾岩测井岩性识别和测井孔隙度计算的准确率。     

基于随机树嵌入的随钻测井岩性识别方法

岩性识别是储层评价中的一项重要工作。随着机器学习方法的不断发展,岩性的智能识别也成为热门研究方向。随钻测井技术目前已经得到了广泛的应用,但是受限于高温高压的钻井作业条件,随钻测井仪器只能测得少量测井参数。由于随钻测井参数较少,直接输入机器学习模型无法充分挖掘其中的信息。对此,本文将随机树嵌入引入随钻测井资料的岩性识别。该方法将低维随钻测井数据通过二叉树编码并转化为高维稀疏特征,利用升维后的数据进行训练从而提升机器学习模型的判别能力。对比实验结果表明,使用随机树嵌入的随机森林方法具有最佳的识别效果,准确率和F₁值较直接使用随机森林分别提升了3.16%和3.25%,且优于梯度提升树、极随机树和粒子群优化支持向量机算法。     

支持向量机与微电阻率成像测井识别火山岩岩性

针对火山岩储层,从岩石化学成分分类和岩石结构分类两个角度出发,提出了一种利用测井资料识别火山岩岩性的方法。基于取芯薄片鉴定资料获得对应井段的常规测井数据,利用统计学习理论中的支持向量机方法对其处理,得到地质上按岩石化学成分分类的火山岩岩性类别。建立地层微电阻率成像测井图像与不同结构火山岩岩性之间的对应关系,归纳出典型的微电阻率图像模式,从而得到地质上按岩石结构分类的火山岩岩性类别,结合上述两者结论确定最终岩性,实现了运用支持向量机算法处理常规测井资料与微电阻率图像模式相结合的火山岩岩性测井识别新方法。     

支持向量机组合方法在砂泥岩储层岩性识别中的应用

岩性是表征储油物性、建立各类地质模型的重要参数,其与测井参数的函数关系很复杂。基于支持向量机一类对一类法对岩性识别分类精度不高的现状,结合二叉树法初始分类精度较高、分类速度快等优点,提出了一种新的组合方法——一类对一类法与二叉树法的结合应用。该方法对样本数据较少的类别设置权重系数,减少样本不平衡的影响,并利用几何平均准确率作为评价岩心识别效果的指标,其对岩性的分类效果远优于单一方法。具体步骤为:首先对不均衡的样本设置相应的权重系数,然后利用二叉树法将易于与砂泥岩区分的灰岩区分开来,再利用一对一分类法将剩下的砂泥岩样本进行分类。运用此方法对某油田测井数据进行岩性分类,分类的整体准确率以及几何平均准确率均有很大的提高。     

Définition d'une limite multicritère ; stratigraphie du passage Campanien–Maastrichtien du site géologique de Tercis (Landes,SW France)Definition of a multi-criteria boundary; stratigraphy of the Campanian–Maastrichtian interval of the geological site at Tercis (Landes,SW France)

Lithostratigraphy, physicochemical stratigraphy, biostratigraphy, and geochronology of the 77–70 Ma old series bracketing the Campanian–Maastrichtian boundary have been investigated by 70 experts. For the first time, direct relationships between macro- and microfossils have been established, as well as direct and indirect relationships between chemo-physical and biostratigraphical tools. A combination of criteria for selecting the boundary level, duration estimates, uncertainties on durations and on the location of biohorizons have been considered; new chronostratigraphic units are proposed. The geological site at Tercis is accepted by the Commission on Stratigraphy as the international reference for the stratigraphy of the studied interval. To cite this article: G.S. Odin, C. R. Geoscience 334 (2002) 409–414.     

Quaternary stresses revealed by calcite twinning inversion: insights from observations in the Savonnières underground quarry (eastern France)

Calcite samples were extracted both from the rock matrix and the superficial coating of a karstified fault plane of an underground quarry, located in the eastern border of the Paris basin. The karstification is dated as Quaternary. Analysis of mechanical calcite twinning reveals that only the calcite matrix has also undergone a compression trending WNW that can be attributed to the Mio-Pliocene alpine collision. Both coating and matrix have undergone a strike-slip regime with σ₁ roughly trending north–south, that could correspond to the regional present-day state of stress, a strike-slip compression rather trending NNW, modified by local phenomena. To cite this article: M. Rocher et al., C. R. Geoscience 335 (2003).     

NONMETALS DEPOSITS

正20141520 Bo Ying(Key Laboratory of Metallogeny and Mineral Assessment,MLR,Beijing 100037,China);Liu Chenglin Saline Spring Hydrochemical Characteristics and Indicators for Potassium Exploration in Southwestern and Northern Tarim Basin,Xinjiang(Acta Geoscientica Sinica,ISSN1006-3021,CN11-3474/P,34(5),2013,p.594-602,5 illus.,3 tables,28 refs.)     

MATHEMATICAL GEOLOGY

正20141243Chen Ge(Hangzhou Research Institute of Petroleum Geology,PetroChina,Hangzhou 310023,China);Si Chunsong Study on Sedimentary Numerical Simulation Method of Fan Delta Sand Body(Journal of Geology,     

PROSPECTING EXPLORATION

正20142599Chen Sanming(Guangxi Key Laboratory of Concealed Deposits Exploration,Guilin University of Technology,Guilin541004,China);He Yuzhou Block Model and Reserves Estimation of Panzhihua Iron Deposit Based on 3D Geological Modeling(Journal of Guilin University of Technology,ISSN1674-9057,CN45-1375/N,33(4),2013,p.610-615,9illus.,1table,15refs.)     

STRUCTURAL GEOLOGY

正20140594 Bai Daoyuan(Hunan Institute of Geology Survey,Changsha 410016,China);Zhong Xiang Faults in the Jingzhou Basin and Their Tectonic Settings(Geotectonica et Metallogenia,ISSN1001-1552,CN44-1595/P,37(2),2013,p.173-183,6illus.,59refs.)Key words:basin evolution,tectonic setting,South China In the Upper Paleozoic and Jurassic se-     

STRUCTURAL GEOLOGY

正20141912Cao Hui(State Key Laboratory for Continental Tectonics and Dynamics,Institute of Geology,Chinese Academy of Geological Sciences,Beijing 100037,China)Gravitational Collapse and Folding during Orogenesis:A Comparative Study of FIA Trends and Fold Axial Plane Traces(Geology in China,ISSN1000-3657,CN11-1167/P,40(6),2013,p.1818-1828,9illus.,35refs.,with     

PALEOZOOLOGY

正20141609 Chen Guiying(College of Earth Sciences,Guilin University of Technology,Guilin 541004,China);Han Nairen New Materials of Stylophora from the Upper Cambrian of the Jingxi Area,Guangxi,South China(Acta Palaeontologica Sinica,ISSN0001-6616,CN32-1188Q,52(3),2013,p.288-293,2 illus.,12 refs.)Key words:Stylophora,Guangxi     

GEOPHYSICS

正20140634 Cao Lingmin(Key Laboratory of Marine Geology and Environment,Institute of Oceanology,Chinese Academy of Sciences,Qingdao 266071,China);Xu Yi Finite Difference Tomography of the Crustal Velocity Structure in Tengchong,Yunnan Province(Chinese Journal of Geophysics,ISSN0001-5733,CN11-2074/P,56(4),2013,p.1159-1167,6illus.,35refs.,with English abstract)