地质模式约束的SVR属性融合在浅水三角洲储层描述中的应用: 以西湖凹陷X气田为例

X气田位于东海盆地西湖凹陷中央反转构造带,主要目的层H4层为浅水三角洲沉积环境,气田地震资料主频较低（25 Hz）,而H4层埋深较大（3 300~3 400 m）,储层低孔低渗,常规地震反演预测砂体厚度吻合度较低。针对X气田三维地震资料全覆盖及钻井较少的特点,通过地质模式指导下的正反演结合设置虚拟井来弥补SVR（Support Vector Regression）算法中样本点的不足,通过提取地震属性并优选表征砂体厚度的敏感属性,利用SVR算法进行多属性融合,完成了H4层砂体的定量预测。基于储层预测成果,提出H4层为浅水三角洲曲流型分流河道沉积,并进一步完成了砂体沉积模式解剖,成功指导了开发调整井部署,实钻砂体厚度与预测砂体厚度吻合度高达84%以上。探索得到了海上少井条件下地质模式约束的SVR算法储层定量预测方案,对X气田中深层分流河道储层完成了精准预测,亦对同类型油气田的储层描述具有一定指导意义。      

基于地震多属性融合与地质统计学反演的薄层砂岩预测

阐述了塔里木盆地塔北隆起带南缘英买力YM1 2地区舒善河组薄层砂岩勘探的难点与研究意义,提出了针对YM1 2地区舒善河组薄层砂岩预测的技术方法。平面上利用地震资料横向密集性采用地震多属性融合分析方法,通过薄层砂岩的属性优选与提取,计算钻井厚度与属性的相关关系,提取与薄层砂岩厚度相关度大的属性,多属性统计融合预测了薄层砂岩平面分布;垂向上采用地质统计学反演方法,在测井曲线标准化处理、反演低频模型建立的基础下,对钻井进行岩性估算、概率密度函数和变差函数分析,利用马尔科夫链蒙特卡洛模拟反演,预测了YM1 2地区舒善河组薄层砂岩2套砂体的有利圈闭发育区。研究发现,薄层砂岩主要分布于YM1～YM2鼻状构造带上,整体呈北东-南西向条带状展布,平面上呈现多个砂体由南东-北西向叠置前积。舒善河组薄层砂岩的预测厚度与钻遇厚度高度一致,符合率高达90%以上。      

基于Weka的地震数据挖掘系统的设计与实现

基于开源的数据挖掘系统Weka，使用Java语言及面向对象的思想，设计并实现了地震数据挖掘系统。根据地震数据资料的特点，将数据挖掘的核心技术（聚类分析、关联规则分析等）引入到该系统中，其中聚类分析选用DBSCAN作为核心算法，关联规则分析选用Apriori作为核心算法。用户使用该系统只需在交互界面选择相关参数，即可实现调用数据挖掘算法来分析地震数据，发现探索其隐含规律。     

三峡库区万州主城区第四系堆积层厚度的估算方法及应用

堆积层厚度是区域地质灾害体稳定性预测及定量评估不可或缺的基础数据,传统的空间插值方法制图效率低,精度也较差。以三峡库区万州主城区为研究对象,通过分析区内第四系堆积层厚度标志得出各标志因子,根据已知厚度区域的特点提取堆积层厚度与其标志因子之间的关系,建立了基于随机森林算法的堆积层厚度模型,最后将该模型应用于整个区域估算出堆积层厚度的空间分布。特征点的预测值与实测值的比较结果表明:模型整体的误差变异小,预测的准确度较高,预测结果具有较高的可信度。      

鄂尔多斯盆地渭北地区长3致密砂岩沉积微相与储层非均质性

在对岩心、测井、分析化验等资料综合分析的基础上,结合区域地质背景与地震砂体预测,对鄂尔多斯盆地渭北地区长3油组沉积微相特征及其与致密砂岩储层非均质性的关系进行了研究。研究表明:该区沉积微相以纵向多期叠加、平面快速变化的浅水辫状河三角洲前缘水下分流河道微相为主。叠加河道砂体厚度在8~23.5m之间,各单期河道砂体厚度差异较大;在工区东、西部河道规模差异大,顺河道方向河道宽窄快速变化。叠加河道砂体的物性、含油性非均质性强,受单期河道规模影响较大。单期厚度较大的河道砂体中下部物性、含油性整体较好,单期厚度较小的河道砂体受钙质胶结和泥砾影响,物性、含油性整体较差。平面上,水下分流河道展布控制了物性、含油性分布,水下分流河道越宽,砂体规模越大,单期河道砂体越发育,物性、含油性越好,平面非均质性越弱。      

关联规则挖掘在汽车营销决策中的应用研究

通过对汽车销售历史数据进行概化和总结,给出关联规则挖掘算法,并针对具体的事例加以分析,进行各个客户购买属性之间的关联规则的挖掘.可以有效地发掘顾客购买行为和汽车属性之间蕴藏的内在联系.此模型可以用于辅助汽车营销决策.     

地震沉积学在河流-浅水三角洲沉积相研究中的应用: 以渤海海域蓬莱A构造区馆陶组为例

庙西南凸起蓬莱A构造区馆陶组有良好油气发现,但储层厚度多小于5 m,难以被精确识别刻画。以薄层砂体为研究对象,综合地震、测井、钻井岩心、古生物等基础资料,明确研究区馆陶组沉积时期受北东向物源供给沉积,发育河流-浅水三角洲相。基于90°相位化处理确定砂体地震响应特征;分频解释处理判断相对等时地震同相轴,构建馆陶组高频层序地层格架（三级层序SQ1-3）,优选60Hz地震数据体进行地层切片划分;地层切片高精度沉积学解释揭示研究区馆陶组SQ1层序至SQ3层序依次发育河流-席状化浅水三角洲-朵叶状浅水三角洲-水下河道型浅水三角洲。其中SQ1层序中河道砂体以及SQ2-3层序中浅水三角洲前缘砂体皆为有利储层。此次研究丰富发展了渤海海域河流-浅水三角洲相中地震沉积学在砂体预测中的研究成果。      

数据空间自相关性对关联规则的挖掘与实验分析

传统的空间关联规则挖掘,一般足使用属性关联规则的挖掘算法,对空间数据进行泛化处理,不考虑空间数据的空间自相关性,也没有考虑空间自相关与空间关联规则的关系.本文运用改进的Apriori算法对某一数据进行空间关联规则挖掘,并对同一数据进行空间自相关分析,比较两种方法反映的属性的相关性,探讨了数据的空间自相关性对空间关联规则...     

波阻抗约束反演技术探测煤厚方法初探

现代化矿井生产技术日新月异,尤其对煤层厚度的探明程度要求越来越高。综合利用地质钻探和测井等资料,与地震资料有机结合而产生的具有高分辨率的新方法,发挥了钻探、测井和地震勘探技术各自的优势,实现了不同技术之间取长补短并提取地震属性参数,通过波阻抗约束反演可获得煤层厚度参数,达到对煤层厚度进行预测的目的。     

塔河油田超深层、薄储层、窄河道砂体识别与描述技术

塔河油田三叠系阿四段河道砂体具有埋藏深(>4 000m)、砂岩厚度薄(<10m)、横向变化快、地震识别难度大的特点。在小层对比的基础上,在沉积微相的约束下,综合应用多属性优选、时间切片、分频混色、三维可视化等技术描述砂体展布特征,形成了一套针对塔河油田三叠系阿四段超深层、薄砂层、窄河道砂体的“四定”储层识别与描述技术组合。      

随机森林算法在机载LiDAR数据林分平均树高 估算中的应用研究

采用机载LiDAR数据估算森林结构参数是当前林业遥感中的研究热点。本文以福建省长汀县朱溪河流域为示范区,探讨了随机森林算法（RF）在机载LiDAR数据林分平均树高估测中的适用性。首先,通过渐进三角网（TIN）算法进行点云滤波并获取相应林分样地的植被点云子集和高程归一化的植被点云;然后,从归一化后的植被点云提取出高度分位数变量以及点云统计特征值等24个变量参数;最后,根据提取的变量参数和野外实测林分均高数据建立研究区林分平均高随机森林回归估测模型。研究结果表明,模型估测的样地平均树高与实测值具有明显线性相关关系,线性回归系数为0.938,相关系数达到0.968。对样地的估测精度都在86%以上,总体平均精度达到了93.17%。研究认为,基于植被点云变量参数的随机森林模型估测林分平均树高具有较高的可靠性。     

基于非开挖随钻检测系统与随机森林的地层岩性识别

通过自主研发设计的非开挖随钻检测系统,采集非开挖钻进参数,进行非开挖钻进实时地层岩性识别,为非开挖施工提供安全信息保证。针对非开挖工程工勘资料缺乏,掘进地层岩性难以判断的问题,提出了一种基于非开挖随钻检测系统实时采集数据,利用随机森林算法建立地层识别模型,通过模型去识别未知地层,并将识别结果可视化展示。通过非开挖随钻检测系统在工程现场的实际应用,获得了包括钻速、扭矩、转速、拉力、泵压、泵量等钻进敏感参数作为训练样本,利用随机森林算法对采集的钻进参数进行训练,构造决策树与随机森林,对钻进参数进行分类,建立了以典型非开挖地层岩性分类为目标的分类模型,分别确定了杂填土、黏土、粉细砂、砾石和淤泥的地层分类标签。进一步,基于机器学习的分类结果,利用PCA主成分分析将地层识别特征降维至三维,实现了地层岩性识别结果的三维展示。将预测模型应用于实际工程,以验证其有效性。结果表明,该方法能在非开挖实时钻进条件下快速识别钻进地层,识别正确率高达92%。该研究成果通过采集导向随钻参数,识别非开挖掘进段地层岩性,为非开挖扩孔阶段钻具选型、泥浆设计等提供了重要信息。      

歧口凹陷深层地震岩石物理特征分析及应用

为明确歧口凹陷深层的岩石物理及AVO响应特征,分析歧口地区全波测井资料,优选该区敏感岩石物理参数;根据分岩性拟合求取纵横波转换经验公式,并采用流体置换原理进行叠前地震道集正演后提取AVO属性.结果表明:泊松比、纵横波速度比为该区有利储层预测的敏感参数,含气砂岩与含水砂岩的数值范围差异明显;歧口深层AVO响应特征可划分为3类:第一类是与气层相对应的反射振幅随着偏移距的增大而负向急剧增大;第二类是与油气同层相对应的反射振幅随着偏移距的增大而负向缓慢增大;第三类是与油水层及干层相对应的反射振幅随着偏移距的增大而负向减小.该结果可为歧口凹陷深层开展流体预测可行性提供依据.     

塔里木盆地顺北5号走滑断裂带北段超深层裂缝储层的地震属性表征方法研究及应用

塔里木盆地顺北5号走滑断裂及其伴生裂缝的分布控制了储层的形成和油气的运聚成藏。如何选择对裂缝储层响应好的地震属性并用其描述储层的空间展布, 是裂缝型储层预测的研究基础。由于研究区不同尺度断裂裂缝发育规模差异较大及客观上存在地震分辨率的差异, 在实际研究过程中需要采用不同的技术方法及其组合对不同尺度和特征的断裂裂缝进行识别。地震属性对比测试表明倾角约束的高精度相干体和面状特征属性可表征断距超过40 m的大尺度断裂; 分频融合相干和应变能属性可表征断距15~40 m的中尺度断裂; 断裂似然体刻画和缝洞增强体可表征断距15 m以下的小尺度断层和裂缝。然后将典型地震属性与成像测井解释得到的实际裂缝数据及裂缝密度曲线进行相关性拟合, 进而优选出混沌属性、面状属性、结构张量第三分量、分频融合相干4种属性, 并将4种属性融合成新的属性用于裂缝密度体计算, 最后用该方法半定量预测裂缝的分布。裂缝预测结果表明以走滑断裂带中部的压扭性断裂处为中心, 约1.5 km范围的鹰山组下段地层整体裂缝最为发育, 为优势储层勘探开发区。      

基于贝叶斯优化机器学习超参数的滑坡易发性评价

利用机器学习模型进行滑坡易发性评价时, 不同的超参数设置往往会导致评价结果的不同。采用贝叶斯算法对4种常见机器学习模型(逻辑回归LR、支持向量机SVM、人工神经网络ANN和随机森林RF)的超参数进行了优化, 探索了该算法对滑坡易发性机器学习模型的优化效果。以湘中地区4县(安化县、新华县、桃江县和桃源县)滑坡易发性评价为例说明该算法的可行性与适用性。基于滑坡历史编录, 确定研究区内1 017个滑坡点, 并选定15个滑坡影响因子, 以此构建滑坡易发性模型的训练集和测试集。利用贝叶斯优化算法对4种机器学习模型的主要超参数进行了优化, 依据优化后的超参数建立了4种优化模型, 并使用AUC值等指标来比较其预测能力。结果表明: 经超参数优化后的4种机器学习模型预测性能均有所提高, 且基于贝叶斯优化的随机森林模型表现最好。      

Spatial Prediction of Soil Salinity in a Semiarid Oasis: Environmental Sensitive Variable Selection and Model Comparison

Timely monitoring and early warning of soil salinity are crucial for saline soil management. Environmental variables are commonly used to build soil salinity prediction model. However, few researches have been done to summarize the environmental sensitive variables for soil electrical conductivity(EC) estimation systematically. Additionally, the performance of Multiple Linear Regression(MLR), Geographically Weighted Regression(GWR), and Random Forest regression(RFR) model, the representative of current main methods for soil EC prediction, has not been explored. Taking the north of Yinchuan plain irrigation oasis as the study area, the feasibility and potential of 64 environmental variables, extracted from the Landsat 8 remote sensed images in dry season and wet season, the digital elevation model, and other data, were assessed through the correlation analysis and the performance of MLR, GWR, and RFR model on soil salinity estimation was compared. The results showed that: 1) 10 of 15 imagery texture and spectral band reflectivity environmental variables extracted from Landsat 8 image in dry season were significantly correlated with soil EC, while only 3 of these indices extracted from Landsat 8 image in wet season have significant correlation with soil EC. Channel network base level, one of the terrain attributes, had the largest absolute correlation coefficient of 0.47 and all spatial location factors had significant correlation with soil EC. 2) Prediction accuracy of RFR model was slightly higher than that of the GWR model, while MLR model produced the largest error. 3) In general, the soil salinization level in the study area gradually increased from south to north. In conclusion, the remote sensed imagery scanned in dry season was more suitable for soil EC estimation, and topographic factors and spatial location also play a key role. This study can contribute to the research on model construction and variables selection for soil salinity estimation in arid and semiarid regions.     

基于核混合效应回归模型的地震数据预测

针对地震观测数据难以准确预测的难题,提出基于核混合效应回归模型。为验证该算法模型的可行性,结合湖北地震台站地球物理仪器产出数据开展仿真实验,并与传统的神经网络算法作对比。结果表明,该模型能准确预测地震地球物理观测数据且性能优于其他神经网络算法,对水温、水位数据的预测相对误差低于0.05%及0.48%。该研究为地震监测预报人员积累、分析地震基础数据提供了全新思路,同时也为较复杂的深度学习类算法框架模型的构建提供了实践基础。     

层序格架约束下的地质统计学反演在薄砂体预测中的应用

西湖凹陷砂岩储层具有砂体厚度薄、砂泥互层发育以及横向变化快的特点，传统的地球物理方法很难精细地刻画砂体空间分布。将层序地层学与地质统计学反演相结合，在建立等时地层格架的基础上，构建相应的地球物理模型，在正确的沉积学理论指导下，对西湖凹陷平湖斜坡带平湖组砂岩储层开展砂体的时空分布预测研究。研究结果表明，平湖组可划分出3个三级层序，下部砂体单层厚度较大，横向连续性好，平面连片发育；中部以泥岩为主，砂体孤立发育，连续性差；上部砂体增多，单层厚度较薄，横向连续性好。结合钻井实际资料分析表明，砂体预测结果垂向分辨率可以达到1~2 m。地质统计学反演有效解决了西湖凹陷平湖斜坡带薄层砂体识别的难题，可为研究区有利储层预测提供重要支撑。      

地震沉积学技术在文昌A油田储层预测中的应用

文昌A油田主力油组ZJ1-2L储层以滨海临滨环境的沿岸砂坝和下临滨席状砂沉积为主,该区钻井分布少、典型地震相标志少,储层厚度自东向西逐渐减薄至小于地震资料分辨率,砂体边界的确定严重制约着油田的开发实施。面对常规储层预测技术手段受限的问题,利用地震沉积学的思想,首先用分频解释技术确定了等时沉积参考面,并通过Wheeler变换,在研究区层序地层等时格架的基础上制作了一系列地层切片,通过对地层切片的解释及域演观察识别出了砂体的演变规律,在此基础上,结合分频反演技术,精细刻画出了ZJ1-2L油组砂体平面分布范围。开发实施结果表明,该技术刻画的砂体范围与实钻结果有很好的吻合度。