基于多任务学习的测井储层参数预测方法

基于多任务神经网络模型, 提出一种多任务测井储层参数预测方法, 利用测井数据对储层孔隙度、渗透率及含水饱和度同时进行预测.分别采用同架构和异架构多任务模型对测井储层参数进行预测, 通过数值实验对比, 多任务预测模型有效提升了单任务储层参数预测模型的效果, 且提升幅度与模型结构有关, 异架构多任务模型的总体预测效果好于同架构多任务模型.以平均相对误差(MAPE)作为模型评价标准, 针对本研究所采用的数据集, 同架构多任务模型的孔隙度、渗透率和含水饱和度在测试集上的MAPE约为6%、17%和9%, 相较于单任务模型, 预测效果分别提升约30%、20%和10%.异架构多任务模型的孔隙度、渗透率和含水饱和度, 在测试集上的MAPE约为6%、13%和6%, 相较于单任务模型分别提升超过2%、60%和10%.

     

基于迁移学习的地球物理测井储层参数预测方法研究

随着大数据和机器学习的成熟和推广应用,人工神经网络在地球物理测井预测储层参数中得到重视.本文引入迁移学习进行测井储层参数预测,以孔隙度预测神经网络模型和孔隙度含水饱和度联合预测神经网络模型为基础模型,分别以渗透率及含水饱和度预测作为目标任务进行迁移学习,以提升储层参数预测效果和效率.文中详细阐述了基于迁移学习的测井储层参数预测方法,并使用64口井的测井数据进行储层参数预测效果分析.结果表明,使用迁移学习后,渗透率模型预测效果最高可以提升58.3%;含水饱和度模型预测效果最高可以提升近40%,且最大可以节省60%的计算资源;以孔隙度预测模型为基础模型时更适合使用参数冻结的训练方式,以孔隙度含水饱和度联合预测模型为基础模型时更适合使用参数微调的训练方式.

     

高阶神经网络在储层分布参数定量预测中的应用

文中介绍了高阶神经网络的原理和方法,提出把高阶神经网络应用于储层分布参数的定量预测方法,并给出双河Ⅳ4（5-9）油组顶层孔隙度与深度的预测算例,并讨论了不同的储层分布参数的预测方法的优缺点     

应用叠前反演弹性参数进行储层预测(英文)

本文是利用叠前弹性参数反演结果进行致密性含气砂岩储层预测的一个实例研究。随着油气勘探开发的发展,叠前地震数据及其反演结果的应用研究已经广泛用于实际生产中。叠前地震数据的特有属性研究,不仅包括简单的AVO特性,还包括其他的弹性属性的变化特性。本文通过对含气砂岩岩芯弹性属性参数响应特征的分析,发现特定弹性属性参数或其组合可以作为流体检测因子。因此,可以利用叠前地震反演得到不同的弹性属性参数结果,进行储层解释和储层描述。该叠前反演方法是基于Zoeppritz方程的Aki—Richard简化公式建立起来的,根据测井数据和地质解释结果建立初始反演模型,反演的地震数据为叠前时间或深度偏移的共反射点道集数据,反演结果可以是不同的弹性属性参数及其组合。通过对一实际的致密性含气砂岩储层进行叠前弹性属性参数反演,并将反演结果与其它预测结果进行对比分析发现弹性属性参数λ和λρ, λ/μ,以及K／μ能够很好地预测含气储层,而且反演结果很好展现出储层中的含气特性。     

基于机器学习的储层测井评价研究进展

储层测井评价的核心是数据分析和模型驱动方法的数学建模问题,将测井评价过程转化为机器学习过程,是提高储层测井评价自动化程度和评价精度的有效手段.大量实践证明,机器学习技术能够有效解决测井评价中复杂的非线性问题,目前在测井处理质量和评价精度方面均已取得了一定的突破.但如何更有效利用海量多源测井数据,在繁多的机器学习算法中找...     

基于角弹性参数的多波地震储层预测方法

弹性参数作为反映岩石弹性性质的参数,在储层预测中具有重要作用.常规弹性参数的构建主要基于PP波地震信息.PP波与PS波地震振幅因其携带的信息不同,对岩性与流体的敏感性也不同.本文提出联合利用PP波与PS波弹性阻抗以及角度信息构建角弹性参数来预测有利储层.首先,对常规PS波弹性阻抗方程进行重新推导,使得PS波弹性阻抗取值的数量级不随角度变化且能够与PP波弹性阻抗具备形式上的匹配;其次,根据常规弹性参数构建公式,采用PP波弹性阻抗、PS波弹性阻抗替代纵波阻抗、横波阻抗,提出角弹性参数的概念及构建公式,从而将角度信息引入到弹性参数的构建中;最后,在PP波与PS波弹性阻抗反演的基础上构建得到对储层敏感性较强的角弹性参数,利用角弹性参数的取值特征预测有利储层.模型与实际资料测试均表明角弹性参数具备较高的储层敏感性.     

基于机器学习的地震预测研究进展综述

<正>1研究背景地震预测是世界性的科学难题,其困难之处,一方面是涉及地震前兆的地球物理观测基本属于远离震源地方的地表观测,所观测物理量除可能的地震孕育信息外,更多的是与环境、路径、干扰等有关的信息;另一方面是对地震孕震机理尚无清晰认识,即地震预测的理论问题远未解决。由此,也导致地震预测目前基本停留在基于观测资料的现象类比和统计分析层面。近几十年来,人工智能技术和应用飞速发展,如计算机视觉、图像识别、时间序列分析、异常检测、生物医学等应用行业的成功经验表明,在理论问题未解决之前,人工智能技术对识别未知特性、发现系统隐含规律、解决实际问题等作用巨大。     

基于地震观测数据的机器学习地震预测研究综述

机器学习突出的隐式特征提取和复杂任务处理能力正推动着地震预测科学的发展,为系统了解机器学习技术在地震预测领域的发展现状,从指定时空窗的地震震级预测、发震位置和发震时间估计三方面,综述了国内外机器学习在地震预测领域中的应用,其中在震级预测问题上AI应用最为广泛;总结了机器学习地震预测的主要特征参数、模型和评价相关问题,从多种评价机制中探索地震活动性参数对地震预测结果的影响,并对地震预测领域存在的问题进行初步讨论和展望。在可预见的未来,AI技术的引入和应用领域的拓展,有可能引领地震预测领域的持续发展。     

基于逆建模理论的储层特征定量预测方法

定量描述储层特征的物理量称为储层参数,在储层描述工作中储层参数预测是一个重要环节.本文以岩石物理理论为基础研究了利用岩石物理逆建模理论进行储层参数预测的方法.在合理、有效的岩石物理模型的基础上,逆建模方法通过弹性参数的等值面的空间交会可以预测出储层参数.在此基础上提出了一种扩展的岩石物理逆建模方法,在两个不同的储层参数域进行三维岩石物理逆建模,通过逆建模结果的参数域转换可以预测更多的储层参数,为储层特征描述提供了更加充分的数据支持.输入数据的种类对于预测结果的准确性有较大影响,利用本文建立的弹性参数适用性分析方法可以选择出适用性好的弹性参数组合作为输入数据.将本方法应用于模型数据和实际工区数据,取得了较好的预测效果,证明方法具有一定的实用性.     

基于弹性阻抗的储层物性参数预测方法

储层物性参数是储层描述的重要参数,常规的基于贝叶斯理论的储层物性参数反演方法大多是通过反演获得的弹性参数进一步转换而获得物性参数,本文提出一种基于弹性阻抗数据预测储层物性参数的反演方法.该方法主要通过建立可以表征弹性阻抗与储层物性参数之间关系的统计岩石物理模型,联合蒙特卡罗仿真模拟技术,在贝叶斯理论框架的指导下,应用期望最大化算法估计物性参数的后验概率分布,最终实现储层物性参数反演.经过模型测试和实际资料的处理,其结果表明本文提出的方法具有预测精度高,稳定性强,横向连续性好等优点.     

粗集神经网络在建筑物震害预测中的应用

将粗糙粗集理论和神经网络原理结合起来,建立了基于粗集-神经网络的建筑物震害预测模型.首先运用粗糙集理论,根据原始样本建立决策表进行属性离散化、属性重要性排序、属性约简和分类规则的提取;然后将所提取的关键成分作为神经网络的输入练模型.实例研究表明,基于粗集-神经网络的多层砖房震害预测结果与实际震害基本吻合.该模型简化了神经网络结构,提高了训练速度和分类精度,还能对各因素对房屋震害的影响度进行分析.     

基于粗糙集的属性约简在地震异常指标识别中的应用研究

引入基于粗糙集理论的属性约简算法分析了《中国震例》一书中记载的众多复杂的地震异常指标,通过约简去掉其中无关紧要的指标,保留一些彼此独立的关键核心指标,为地震预测研究提供更客观、更全面、更合理的数据源。     

机器学习在地震预测中的应用进展

机器学习(Machine Learning, ML),特别是深度学习(Deep Learning, DL),在最近几年发展迅速,在数据挖掘、计算机视觉、自然语言处理、数据特征提取和预测等方面的应用中取得了令人振奋的进展。地震预测是复杂、涉及面广、不成熟而且充满争议的科学问题;其发展受到尚不清楚的地震机理和孕震结构、不完备的观测数据与真伪不清的地震现象等方面的限制。但是,机器学习有可能改善复杂地震数据的挖掘和发现,推动地震预测科学的发展。本文回顾了机器学习在地震预测的应用,包括强震、强余震和岩石破裂失稳等方面的预测,并展望了机器学习在地震预测方面的研究趋势。     

基于多源数据的机器学习在地震预测中的研究进展

近年来,机器学习的快速发展在计算机视觉、自然语言处理和数据挖掘等领域取得前所未有的成绩。地震研究学科众多,包括地震学、大地测量学、地球化学、地球电磁学和地质学等,研究产生的多源、复杂、海量数据高度符合机器学习对于训练数据的要求,因此许多学者将机器学习方法引入到地震预测中。本文基于机器学习背景、地震预测应用流程和评价方法等方面,回顾了近年来基于机器学习方法,利用不同学科数据进行地震预测的应用概况和主要进展,并对机器学习在地震预测中的应用进行总结和讨论。     

湖南东江水库地震的预测研究

1986年8月2日湖南东江水库截流蓄水,10个月后发生水库诱发地震。蓄水初期,地震活动频度与库水位有较明显的相关关系,但1993年至今,地震活动的频度与库水位之间的这种相关性已逐步消失。诱发地震空间分布有一定的规律性,受水体、构造、岩性的控制。依据地震构造背景、水库规模、水库蓄水后诱发最大震级的最大概率时间等预测东江水库诱发地震最大震级不会大于4．99级．1991年发生的3．2级地震应为最大震级的概率是80％。今后仍可能发生3级左右地震。     

基于模糊概率的多层砖房震害预测

将模糊数学中的模糊概率理论运用于震害预测中,并建立了多层砖房的震害预测模型。研究表明,该预测模型概念清晰、计算简单,具有较好的合理性与实用性,是一种较为精细的预测方法。     

基于粗糙集-支持向量机的震害预测模型及应用

结合粗糙集理论的属性约简与支持向量机的分类功能,建立了基于粗糙集与支持向量机的建筑物震害预测模型.该模型首先运用粗糙集理论,建立决策表,进行属性离散、属性重要性排序、属性约简和分类规则的提取,然后用所提取的关键成分训练支持向量机.该模型不但能有效降低建筑物震害影响因子数据维数及支持向量机的复杂程度,提高训练速度和分类精度,而且还能对各因子的影响程度进行排序.最后,通过实例验证了该模型的性能.     

基于匹配追踪算法的强屏蔽剥离技术在樊159井区储层预测中的应用

当储层上覆地层含有厚层烃源岩等特殊地层时,这些地层在地震剖面上会呈现出强振幅特征,这会使下伏储层信息被掩盖,从而干扰储层的正常描述与预测。因此,消除强干扰对储层地震反射的影响,增强储层弱反射信号,对于提高储层预测精度,确定有利储层的空间展布有着重要意义。樊159井区位于樊东地区中西部,该区沙三下亚段和沙四纯上亚段分布高阻、高速厚层烃源岩,对下伏滩坝砂岩储层有强屏蔽作用,必须对其进行剥离。本文以樊159井区实际地震工区为例,分析了储层的地球物理特征,研究了基于层位控制的多道匹配追踪算法,实现了强屏蔽层的剥离。剖面属性对比和沿层属性分析结果表明,储层识别精度得到明显提高。     

水库诱发地震活动特征及其预测方法研究

根据国内外水库诱发地震的观测与研究震例,分析研究了一些著名水库诱发序列的地震活动特征,并根据水库诱发地震随水库蓄水时间的变化,把水库诱发地震活动归纳为迅速响应型、延迟响应型和混合响应型三类,分析讨论了这三类水库诱发地震活动在时间和空间分布上的不同特点,并在此基础上综合分析了水库诱发地震预测方法研究的技术途径.     

模糊数学方法在地震预测中的应用研究及其实效

20世纪80年代以来,针对地震孕育期间孕震信息的模糊性,国内开展了多项模糊数学方法在地震预测中的应用研究。应用这些方法可以将多项指标所显示的孕震的模糊信息转化为清晰的地震预测结果。现仅介绍模糊聚类分析和模糊综合评判两种常用方法在地震预测中的应用研究概况及其预测实效。