神经网络技术及其在测井解释中的应用

在分析传统测井岩性解释中存在的一些问题的基础上，从神经网络的机理、特点出发，探讨了利用神经网络技术进行测井岩性识别的可行性及优越性，并以找矿目的层为对象，进行了岩性分析与对比，为该方法的进一步应用开拓了前景。     

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。     

测井资料在岩石硬度预测中的应用

探讨了岩石硬度与测井参数间的关系,利用测井资料结合数学处理方法进行了岩石硬度预测方法研究。结果表明,岩石硬度与声波测井有很好的相关性,而与自然伽马测井无必然联系。在此基础上,利用声波测井资料建立了岩石硬度预测模型,并对预测模型进行了检验和修正,使预测精度达到90%以上。同时,该方法可以克服室内微钻头实验法中,由于岩心数量有限且实验用岩心为完整岩块,不能代表整个岩体性质的缺陷,实现了地层岩石硬度的快速实时预测,为钻头设计、选型、钻井工程设计提供了基础参数。     

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。     

微电阻率成像测井在识别页岩岩相与裂缝中的应用

页岩气储层微电阻率成像测井的应用与研究,目前国内还处于起步阶段。与常规储层相比,页岩气储层岩性更加复杂,矿物类型较多,裂缝识别难度大。通过对渝东南地区Q1井微电阻率成像测井资料的精细标定与分析,结合页岩气储层8块岩心薄片、37块岩心矿物成分,总结常规测井曲线特征,引入图版形式准确区分出该地区4种页岩岩相识别模式。在此基础上选取有利岩相,自动拾取裂缝并定量计算了该井裂缝孔隙度等参数,确定该井最大主应力近东西方向,提高了页岩气勘探开发效率,为后期压裂改造提供了可靠依据。     

测井资料在碳酸盐岩洞—裂缝型储层产能评价中的应用

介绍了一种基于测井资料来预测双孔结构碳酸盐岩储层产能的新方法。首先根据碳酸盐岩剖面中双孔结构储层的地质和测井特征,提取与储层产能密切相关的多个测井和地质参数,考虑到这些参数与产能的非线性相关关系以及产能数据的变化特点,采用BP神经网络技术建立其储层产能的预测模型,由此处理了轮南地区的多口井测井资料。所预测的储层段产能与试油产能较为一致,效果良好。     

分水岭算法在电成像测井图砾石识别中的最优参数研究

基于电成像测井,将分水岭算法应用到电成像测井图砾石的识别中,分水岭算法在砾石识别应用中的参数选取直接影响到识别效果。针对分水岭算法识别砾石的各个步骤,选取不同的优化参数进行处理,对处理效果进行对比分析,最终确定分水岭算法识别砾石的最优参数,并对吉林王府断陷AA井、BB井和CC井三口井进行实际处理,得到很好的效果。     

综合集成高精度智能微震监测技术及其在深部岩石工程中的应用

通过微震技术获取更多的岩石工程灾害演化过程微震信息,自动识别岩石破裂微震信息,自动精准定位岩石破裂的位置,为灾害分析、预警与防控提供理论与技术支撑,一直是科学家和工程师研究的热点与难点。针对这些难点,研发了传感-采集-传输一体化集成技术、32位A/D与元器件联合降噪采集技术、微震信号递归STA/LTA-BP神经网络综合识别方法以及基于PTP高精度时间同步策略的速度模型数据库速配微震源定位算法,并对这些技术进行了综合集成,提出了综合集成高精度智能微震监测技术。目前该技术已在国内外多个深部岩石工程进行了应用。应用结果表明,该技术既可应用于岩爆、冲击地压等动力型灾害监测,又可应用于岩石工程开挖(开采)围岩稳定性监测,还可推广应用于矿产资源防盗采监测,一定程度上提升了岩石工程灾害演化过程微震信号的捕获能力、岩石破裂微震信号的识别能力和微破裂源的定位精度,推动微震监测技术朝着岩石工程灾害自动监测、分析与智能预警方向快速发展。     

支持向量机在水淹层测井识别中的应用

支持向量机(SVM)算法是特别适合于用有限已知样本训练建模,进而预报未知样本属性的模式识别新算法.笔者尝试将Vapnik提出的支持向量机算法用于水淹层测井识别.总结了P油田水淹层的声波时差、自然电位、深感应电阻率、中感应电阻率及密度测井曲线与水淹程度的对应关系,建立了基于支持向量分类机的识别模型,并将上述参数作为训练样本的输入,油气特征作为训练样本的输出,对支持向量机进行训练.对于P油田水淹层的实际预测结果表明:支持向量机可以成为一种用于水淹层识别的有效工具.     

GA-BP神经网络模型在彬长矿区测井岩性识别中的应用

为提高测井岩性识别的自动化程度和地质解释精度,在分析遗传算法(Genetic Algorithm,简称GA)与误差反向传播算法(Back-Propagation,简称BP)各自特性的基础上,针对BP算法在反演中测井数据识别样本大以及BP算法本身存在的缺陷,提出了利用GA算法来同时优化BP神经网络的结构和连接权值的解决方案,建立了基于GA优化BP神经网络的测井数据岩性识别模型。该模型通过彬长矿区实际数据的检验,获得了较高的识别速度和准确率。     

机器学习算法在地球物理测井中的适用性及应用

机器学习,特别是深度神经网络学习算法的发展,正在改变人们发现知识的方式。目前油气工业正在向转向非常规和深海的油气勘探和开发。基于有限岩石物理参数建立的评价解释模型难以满足反映非常规储层复杂的岩性和结构,这使传统测井评价技术受到了很大的挑战。以油气大数据为基础、机器学习算法为核心、油气大数据云计算为动力以及油气应用场景为源泉的油气人工智能（Oil & Gas AI）极大地改变传统的油气工业各个领域。笔者以地球物理测井为研究对象,依据数据驱动的地球物理知识发现原理和机器学习属性,按照“数据–算法–平台–知识–应用场景”研究思路,开展机器学习算法在测井技术中的适用性研究。对机器算法的内在特性、原理、质量控制、硬件要求,学习模型选择、测试以及性能评价实现过程进行分析。笔者梳理和总结了机器学习算法在测井中适用性的树状图,尤其是在油气测井的方法研究、数据处理以及地层评价中的应用潜力与机器学习算法对应关系,其中包括数据校正的模拟方法、数据标定的岩石物理分析、测井数据质量控制、综合评价以及油藏评价监测。研究表明,机器学习算法在岩性识别与储层分类、力学评价、以及油藏评价等方面应用有明显的优势,贯穿于测井方法、仪器设计、测井作业及测井解释中。机器学习算法相对于传统的岩石物理建模方法,以数据为纽带综合评价岩石物理的多重属性。这从数据科学角度突破了实验条件和物理属性的限制,具有跨学科、综合性的特点。     

PSO-LIBSVM在钾盐矿层识别中的应用研究

钾盐的紧缺严重制约了中国农业的发展,加大钾盐的勘探开发力度有助于提高我国钾盐的自给自足能力。四川盆地钾盐资源丰富,是我国目前重要的钾盐勘探开发研究区域之一。杂卤石作为四川盆地最重要的固态钾盐矿物,常夹杂在硬石膏、岩盐和白云岩等岩层中。针对常规测井解释方法难以精确识别杂卤石的问题,因此,提出一种新的基于粒子群算法(PSO)优化的支持向量机(SVM)杂卤石识别方法开展四川盆地杂卤石的分类识别研究。以PSO和SVM理论为基础,结合测井解释方法,选择对杂卤石测井响应灵敏的有效数据作为输入样本,随机产生训练集和测试集,并采用PSO优选出径向基核函数参数,建立杂卤石分类预测模型。与录井结果对比,基于PSO的SVM模型识别准确率达到了97.5758%,在识别精度和速度上明显优于交叉验证方法优化的SVM模型。结果表明,该模型在四川盆地钾盐勘探中具有广阔的应用前景。     

最佳遥感波段选择的概率统计方法在碳酸盐岩石鉴别中的应用

最佳遥感波段的选择是遥感波谱学和多光谱遥感技术中的重要研究课题。本文介绍了一套比较严格的最佳遥感波段选择的概率统计方法,对原理、方法和实际应用均作了较详细的分析阐述。实际应用部分以桂林地区的主要碳酸盐岩为例,说明这种方法的具体应用效果,并用电子计算机算出了它们在不同背景条件下的最佳遥感波段。这种以概率统计理论为基础的新方法与电子计算机相结合,显示了快速、精确和通用的优点。本文虽以地质学的主要遥感目标—岩石为例,但是原理、方法和计算机程序对环境、资源、农林、海洋和军事学科中的遥感目标也完全适用。     

渭北区块煤体结构测井评价及其在射孔段优化中的应用

鄂尔多斯盆地渭北区块地质历史时期受多期构造运动影响,煤体结构复杂。基于研究区钻井煤心和测井资料,分析不同煤体结构的测井响应特征,并按断裂带与非断裂带建立了研究区5号煤层煤体结构的测井识别图版。结果表明,5号煤层纵向上自下而上煤体结构趋于完整;平面上,北区煤体结构主要为碎裂煤和碎粒煤,南区煤体结构相对较完整,局部发育原生结构煤。结合研究区煤层气压裂、排采数据和5号煤层煤体结构及顶板发育情况,分析不同顶板岩性与不同射开比例下的产气效果。结果显示：顶板岩性为砂岩或泥质砂岩时的碎裂煤和碎粒煤储层产气量高于顶板岩性为泥岩或砂质泥岩的产气量。煤体结构越破碎,则顶板射开比例R越高,若煤层顶板岩性为砂岩或泥质砂岩,需增大顶板射开比例。     

最佳遥感波段选择的概率统计方法在碳酸盐岩石鉴别中的应用

最佳遥感波段的选择是遥感波谱学和多光谱遥感技术中的重要研究课题。本文介绍了一套比较严格的最佳遥感波段选择的概率统计方法,对原理、方法和实际应用均作了较详细的分析阐述。实际应用部分以桂林地区的主要碳酸盐岩为例,说明这种方法的具体应用效果,并用电子计算机算出了它们在不同背景条件下的最佳遥感波段。这种以概率统计理论为基础的新方法与电子计算机相结合,显示了快速、精确和通用的优点。本文虽以地质学的主要遥感目标—岩石为例,但是原理、方法和计算机程序对环境、资源、农林、海洋和军事学科中的遥感目标也完全适用。      

利用主成分分析法优化BP神经网络模型在砂砾岩岩性识别中的应用

准噶尔盆地玛湖凹陷JL57井区上乌尔禾组发育块状砂砾岩储层,砂砾岩可以细分为粗砾岩、中砾岩、细砾岩、中粗砂岩和粉细砂岩5类岩性,有效储层为中砾岩、细砾岩和中粗砂岩3种岩性,如何识别出有效储层岩性,是油田生产试油选层亟待解决的问题。传统利用测井曲线与岩性间简单线性关系的交会图法无法满足油田生产对岩性识别的要求,而传统利用非线性关系的BP神经网络模型岩性识别方法,虽然能识别部分砂砾岩种类,但该方法需要输入参数多,运算量大,识别结果准确率一般。本文探索性利用主成分分析法先从自然伽马、自然电位、地层电阻率、声波时差、密度、补偿中子6种测井曲线中计算出主成分特征值X、Y、Z三个参数,然后用三个特征值参数替代传统BP神经网络模型中6个油气参数作为新的输入参数,与传统BP神经网络模型对比,简化了BP神经网络模型的网络结构,减少了模型计算量,而且岩性识别准确率得到了有效提高,有效地解决了研究区测井识别岩性问题。     

测井资料在第四纪地层结构研究中的应用——以天津市宝坻南部为例

自然电位、电阻率、自然伽马等测井曲线的形态和特征与沉积相带及砂体展布关系密切,它们对不同岩性地层特征响应十分敏感。通过对天津市宝坻南部两个第四系取芯孔岩芯编录、沉积相分析和测井曲线特征分析,总结了不同地质历史时期沉积亚相及微相的测井响应特征,建立了该区域测井沉积相模式。结合研究区大量水文钻探电测资料,简要讨论了电测资料在该区域第四系地质结构研究应用中取得的良好效果,为平原区进一步开展第四系地层结构研究工作提供了新的方法。     

基于支持向量机的测井岩性识别在松散沉积物调查中的应用研究

砂砾质松散沉积物粒径组成复杂,钻探取心率低,导致对沉积相和相界面的判别准确度不高。本文结合岩心和测井资料,建立了松散沉积层基于支持向量机的测井数据岩性识别模型,分析了训练集样本数量对模型识别准确率的影响,并与BP神经网络模型进行了对比。结果表明,支持向量机模型的岩性识别准确率高,且对训练样本需求量低,可以有效地弥补钻孔取心率不足的问题,并降低钻探施工成本。在松散沉积物调查中,利用基于支持向量机的测井岩性识别模型自动识别沉积序列具有可行性,是实现绿色勘查的有益尝试。