树分类器在测井岩性评价中的应用

 利用测井资料进行岩性定量识别,分类方法的设计是决定分类结果好坏的关键。本文讨论了树分类器与产生式规则相结合的方法在岩性分类中的应用。利用数据完整的测井曲线参与树分类器的学习、判别工作,用树分类器进行岩性的“逐级识别”,不完整的特征交由定性规则处理,既实现了岩性的细分,且保证了分类的精度。     

神经网络模型在测井岩性识别中的应用

用山西赵庄1603孔测井资料作样本,应用反向传播(BP)神经网络进行处理,以达到自动识别岩性的目的;并对选择网络结构参数、学习样本等作了简要介绍,以此样本作为标准来预测潘庄0601孔测井相所对应的地质相特征,预测结果令人满意。     

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。     

BP神经网络在测井岩性识别中的应用

在岩性识别方法中，人工神经网络方法由于其识别结果客观可靠，得到越来越广泛的应用。研究选用BP神经网络，对金衢盆地的金66测井的岩性进行了识别，并对改善BP神经网络收敛性能的方法了有效探索。     

RPROP算法在测井岩性识别中的应用

为了更好地解决测井岩性识别问题,引入一种快速实用的BP算法--Resilient Backpropagation (RPROP)算法。在说明RPROP算法的基础上,结合某地的实际测井资料,建立基于RPROP算法的BP网络岩性识别模型,进行岩性识别的应用研究。结果表明,应用RPROP算法进行测井资料岩性识别,识别的准确率较高,与基本BP算法及其一些改进算法相比,训练速度快,具有很好的应用前景。     

BP人工神经网络柑模型在测井资料岩性自动识别中的应用

本将神经网络模型引入测井资料的处理和解释中，以油田，煤田的实例资料作油层，煤层和其它岩性的自动识别，并以识别结果说明该方法的有效性和可靠性。     

岩性扫描测井解释评价方法及其地质应用

作为新兴的测井仪器,岩性扫描测井（LithoScanner）通过获取地层元素含量,进一步获得地层矿物含量,帮助地质学家解决复杂岩性识别等地质学难题。为了充分推广其在地质学领域的应用, 笔者等对岩性扫描测井的原理和解释处理流程进行梳理,并对应用过程中出现的典型案例进行分析。LithoScanner测井可直接获取地层岩性特征,帮助识别地层界面,并实现页岩等复杂岩性、岩相的准确识别。而脆性矿物含量、有机碳含量等也可被LithoScanner测井准确获取,从而计算地层中的脆性指数和有机碳的含量。LithoScanner测井可以探测黄铁矿、煤层等特殊矿物组分,因此可以辅助核磁共振测井资料解释评价。最后指出LithoScanner测井与相应的岩芯和实验数据进行比对,提高LithoScanner测井的可靠性。研究有助于将LithoScanner测井中蕴含的大量地质信息进行挖掘与解读,并消除该资料应用中的一些误区,从而推广LithoScanner测井应用领域。     

应用测井资料自动确定岩性的计算机程序

在复杂岩性地层的测井资料解释工作中,用常规的双矿物模型已无法对地层岩性进行准确的分析。为此,设计了应用测井资料自动确定岩性的计算机程序。该程序应用常规测井资料,使用取芯井段选择标准层,建立各种岩性模式,根据这些模式对未取芯井段或井进行逐层岩性统计判别,绘出一个完整而连续的岩性剖面。文中以 X 地区 Y 构造 B 井为例,说明这一程序在应用测井资料自动确定岩性方面具有较高的精度。     

煤层气测井探测技术的应用

煤田中在煤层附近有煤层气砂岩储层、泥质砂岩储层的存在,声波、密度两种孔隙度测井是进行孔隙度探测的有效方法。但是,当煤层气砂岩储层、泥质砂岩储层含气饱和度较小时,其分辨能力较低,这时就可以利用三测向电阻率,通过阿尔奇公式来计算孔隙饱和度;或是统计计算区内煤层气储层下限值的方法,还可采用孔隙度挖补法,提高识别能力。     

PNN在煤田随钻测井岩性判识应用研究

介绍了PNN方法原理及其算法训练学习过程,详细阐述了网络识别岩性参数的选取、岩性识别模型的建立过程.通过对比研究PNN与其他6种岩性识别方法,分析相同条件下预测结果,得到不同识别方法的优劣性.经研究发现,PNN概率神经网络方法在生产应用中效果更佳、训练识别用时最短.利用人工智能神经网络对测井数据进行自动解释分析,可满足随钻测井时效性及快速解释处理的地质导向需求.     

地球物理测井在岩盐矿勘探中的应用

为了准确判断某矿区岩盐层位,满足储量计算的要求,在岩盐矿勘探中采用了地球物理测井方法,实践证明,测井方法能够准确划分岩性,弥补钻探取芯不足.结合岩盐样化验结果,利用回归分析理论可求取岩盐品位与放射性强度的关系,并进行岩盐工业品位预测,结果表明利用回归分析预测岩盐工业品位是可行的,预测结果可以满足野外生产需要,为岩盐勘探提供了有用信息.     

横波测井技术在海洋工程中的应用

单孔波速测试的传统做法是在地面激振,在孔中接收,但该方法测试深度受限,测试精度较低,且对于海上钻孔来说,根本无法实现激振,故对于海洋工程钻孔的波速测试,则需要新技术来实现横波波速的获取.笔者介绍的悬挂式波速测井法将震源和检波器同时放入井孔中,摆脱了笨重的地面敲击震源,实现了波速测井设备的轻便化,由相距1 m的两个检波器接收S波的传播信号,为一发双收装置,利用传感器接收到震源传来的S波信号到达时间(初至)差,来确定钻孔所在处地层波速的一种新技术.该方法在南堡油田平台场址调查中发挥了重要作用,对120 m深的钻孔进行了横波测井,取得了良好的测试成果,为该工程项目提供了准确的剪切波速,为划分该场址的场地土类别发挥了重要作用.     

遗传算法在估计测井解释参数方面的应用

测井响应方程中通常包括一些常量参数，这些参数的选取直接影响解释结果的精度。遗传算法是一种自适应全局优化算法，具有求解各种特殊问题的灵活性。作者在本文简要地介绍了遗传算法的基本原理和运算规则，并以阿尔奇含水饱和度公式中a、m、n等参数的选取为例，探讨了将遗传算法应用于测井解释参数估计中的潜力。实践证明，该方法简便，应用效果较好。     

基于井资料的密度异常因子及其应用研究

将密度异常因子应用于测井数据,结果表明该方法的可行性。密度异常因子是借助于Gardner速度密度关系的推导方法而推导出来的一种密度属性,而密度异常是由储层中的含烃饱和度或岩石的矿物成份组成的。这里从与密度关系密切的岩石物理背景出发,探讨了密度异常的物理机制,并且分析了密度异常因子的计算公式,最后通过具体的实例,说明了密度异常因子的应用。     

利用储层饱和度仪双探测器测井资料反演持油率

应用储层饱和度仪(RST)在水平或大斜度的生产井中进行测量,可以取得连续的油、气、水持率测量值.笔者探讨了RST测井求持油率的方法,在RST双探测器测井模型分析的基础上确定井筒持油率.在反演过程中,采用了随机数分析方法获取仪器的灵敏度系数,获得的灵敏度系数较为精确.结合其他测井资料,将所求的系数用于反演模型求取井筒持油率的计算中,通过计算值和实测值的对比及其相关系数分析,证明了该方法的可行性.