神经网络方法在岩性识别中的应用

在可地浸砂岩型铀矿测井工作中,铀矿地球物理测井方法提供了电阻率、密度、声波等多种地球物理参数。通过采用神经网络方法,利用上述参数．进行钻孔岩性识别的有关研究,确定了B-P网络结构及算法,并进行了初步应用和对比。     

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。     

概率神经网络在地震岩性反演中的应用

卧龙湖煤矿北二采区岩浆岩侵入8煤层的现象较为严重,同时该区煤层中构造煤比较发育,瓦斯富集问题较为突出。利用三维地震资料、测井曲线进行约束反演得到的波阻抗作为外部属性,并使用step-wise属性选择法确定合适数目的地震属性,利用概率神经网络技术(PNN)对该区进行孔隙度预测反演。孔隙度反演结果与波阻抗反演结果的对比表明:孔隙度较波阻抗对于识别瓦斯富集带具有更高的分辨能力;概率神经网络具有高稳定性、计算精度高等特点,可作为研究构造煤发育和瓦斯赋存的有效手段。     

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。     

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。     

基于神经网络模型的生物扰动碳酸盐岩储集层识别与孔隙度预测——以塔里木盆地塔河油田奥陶系生物扰动碳酸盐岩储集层为例

塔里木盆地塔河油田奥陶系生物扰动碳酸盐岩储集层非常发育,但利用常规测井数据识别生物扰动储集层发育段和准确预测孔隙度难度较大。本文在对研究区16口取芯井奥陶系岩芯上生物扰动区域扰动等级划分的基础上,通过岩性标定测井,优选常规测井参数,基于BP神经网络模型分别建立了适合研究区生物扰动碳酸盐岩储集层识别和孔隙度预测的模型,并对建立的模型进行了有效性检验。结果表明：① 选择自然电位、自然伽马、井径、深侧向电阻率、浅侧向电阻率、补偿中子和密度等常规测井数据作为生物扰动碳酸盐岩储集层识别模型输入层的参数值,生物扰动指数（Bioturbation Index, BI）作为输出结果;选取rprop、sigmoid symmetric和sigmoid stepwise函数分别作为训练函数、隐含层和输出层的激活函数,建立节点数为3、层数为3的神经网络识别模型,识别效果好,适用于研究区奥陶系生物扰动碳酸盐岩储集层的识别。② 选择自然电位、自然伽马、井径、声波、补偿中子和密度值等常规测井数据作为输入层的参数值,对应深度上岩芯柱塞孔隙度测试结果和利用孔隙度样品检验模型计算得出的孔隙度结果作为输出结果,选取incremental、gaussian和sigmoid分别作为训练函数、隐含层和输出层的激活函数,建立节点数为4,层数为3的生物扰动碳酸盐岩储集层孔隙度预测模型,预测效果良好,适用于研究区奥陶系生物扰动储集层孔隙度的预测。该研究对定量表征研究区生物扰动储层特性、储量估算、油藏描述和储层地质建模等具有重要的借鉴意义。     

基于神经网络模型的生物扰动碳酸盐岩储集层识别与孔隙度预测——以塔里木盆地塔河油田奥陶系生物扰动碳酸盐岩储集层为例

塔里木盆地塔河油田奥陶系生物扰动碳酸盐岩储集层非常发育,但利用常规测井数据识别生物扰动储集层发育段和准确预测孔隙度难度较大。本文在对研究区16口取芯井奥陶系岩芯上生物扰动区域扰动等级划分的基础上,通过岩性标定测井,优选常规测井参数,基于BP神经网络模型分别建立了适合研究区生物扰动碳酸盐岩储集层识别和孔隙度预测的模型,并对建立的模型进行了有效性检验。结果表明：① 选择自然电位、自然伽马、井径、深侧向电阻率、浅侧向电阻率、补偿中子和密度等常规测井数据作为生物扰动碳酸盐岩储集层识别模型输入层的参数值,生物扰动指数（Bioturbation Index, BI）作为输出结果;选取rprop、sigmoid symmetric和sigmoid stepwise函数分别作为训练函数、隐含层和输出层的激活函数,建立节点数为3、层数为3的神经网络识别模型,识别效果好,适用于研究区奥陶系生物扰动碳酸盐岩储集层的识别。② 选择自然电位、自然伽马、井径、声波、补偿中子和密度值等常规测井数据作为输入层的参数值,对应深度上岩芯柱塞孔隙度测试结果和利用孔隙度样品检验模型计算得出的孔隙度结果作为输出结果,选取incremental、gaussian和sigmoid分别作为训练函数、隐含层和输出层的激活函数,建立节点数为4,层数为3的生物扰动碳酸盐岩储集层孔隙度预测模型,预测效果良好,适用于研究区奥陶系生物扰动储集层孔隙度的预测。该研究对定量表征研究区生物扰动储层特性、储量估算、油藏描述和储层地质建模等具有重要的借鉴意义。     

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。     

基于常规测井数据的火山岩岩性神经网络识别:以松辽盆地南部长岭断陷为例

松辽盆地南部长岭断陷火石岭组火山岩岩性复杂多变,成岩改造强烈,常规测井交会图法无法予以有效识别,严重阻碍了研究区火山岩油气藏的勘探开发进程.笔者以长岭断陷17口钻遇火石岭组火山岩钻井为基础,建立取芯段火山岩岩性序列,提取了8种火山岩常规测井(GR、LLS、LLD、CNL、DEN、AC)数据258组,总结出不同火山岩的测...     

基于微粒群算法的神经网络在岩性识别上的应用

针对前馈多层神经网络BP算法存在的易陷入局部最优的不足,采用了微粒群算法(PSO)加以改进。通过胜利油田及其它油田的岩性识别所做的实例验证,并与BP神经网络进行比较,结果表明,在同等条件下,此方法效果较为满意。     

浅析地热井施工中岩性识别与地层划分——以姚家园公园地热井为例

本文通过对姚家园公园地热井钻凿过程中所揭示岩性的现场编录,考虑地质历史时期的构造-岩浆活动,以实验室岩矿鉴定成果和测井曲线梯度电阻率、电位电阻率、放射性指标的变化为佐证,初步确定了揭露地层的地质年代。采用地质与钻探相互佐证的方法,证实姚家园地区地热勘查中岩性的确定、地层的划分是合理的。总结了地热井工程中地层和岩性识别的一般步骤:首先,对岩屑使用野外地质辨别方法,根据岩石色率、硬度、致密性、钻时效率曲线及钻进过程中泥浆的消耗情况对地层进行初步划分;其次,通过对地层分界面和关键点的岩屑取样进行实验室岩矿鉴定,为初步划分提供科学的证据;最后,根据测井曲线中的梯度电阻率,电位电阻率和放射性三项指标的实际变化情况与实验室岩矿鉴定成果的对比,划分出属于不同地质年代和不同岩性的地层。     

基于重置神经网络在油气储层预测方面的应用

神经网络在地质、油气储层方面有着极其广泛的应用,但是神经网络的结构不仅直接影响到网络性能的优劣,而且较大的影响了其现实应用的效果。这里尝试着将与重置算法相结合的BP神经网络应用于油气储层预测方面,并证实重置神经网络具有更好的应用前景和现实意义。     

偏最小二乘神经网络在储层识别和产能预测中的应用--以陕甘宁盆地中部气田马五1储层为例

针对致密储层中气水干层识别和产能预测准确率较低这一难题，提出偏最小二乘神经网络方法：用偏最小二乘方法对输入自变量集进行主成分提取预处理，消除重叠的输入信息，用可变学习速率反向传播算法（VLBP）和附加动量方法（AMOBP）构建BP储层识别和产能预测的网络模型。以陕甘宁盆地中部气田马五。储层气、水、干层识别问题为例，选用19口井分层测试的92个已知样本，在提取物性、测井和储渗特征等方面的14个特征参数后，通过偏最小二乘方法提炼得到电阻率（Rlld）、声波时差（△t）、产能系数（kh）、储渗因子（KФs）、介质类型因子（EE）等5个主成分控制特征参数，消除了信息的重叠。以此为神经网络输入元，以样本储层的类型与产能级别为输出，用VLBP和AMOBP算法建立储层识别和产能预测的BP网络模型。模型的吻合率迭100％，均方误差比传统三层网络降低约50％。表明该模型的计算收敛速度快。精度高，为致密储层的准确识别探索了又一新的方法。     

机器学习方法在浅层滩坝相薄储层孔隙度预测中的应用——以准噶尔盆地车排子地区白垩系为例

准噶尔盆地车排子地区白垩系储层以滩坝相沉积为主,储层砂体薄,纵向变化快,孔隙度估算难度较大。基于Xgboost机器学习算法,根据取心井的岩心实测数据,结合其对应的测井数据,建立了测井孔隙度模型。结果表明,研究区对储层孔隙度影响较大的测井变量为自然伽马测井、声波测井、密度测井和冲洗带电阻率测井,其相关系数分别为0.38、0.42、0.28和0.32。基于特征测井数据,利用Xgboost算法预测的孔隙度与实测孔隙度吻合度较高,相关系数为0.92,均方差为0.20。此外,对近期钻探的新井储层孔隙度进行预测,结果表明孔隙度较高的井段与试油数据相吻合,从侧面反映了模型的可靠性。这一结果为研究区油气藏评价和后期油藏模型的建立提供基础数据,有利于提高研究区勘探的精度。同时,该模型也可用于类似滩坝相、砂体薄的沉积背景下储层孔隙度估算研究。     

裂缝性潜山油藏储集体岩性定量识别———以埕北30 太古界潜山储集体为例

由于油井取芯费用高昂加之油层保护的需要,不可能大量取芯,因此利用少量的岩芯资料,结合其它一些手段来预测未取芯井段的岩性,就成为有效识别和预测潜山储层分布的重要途径之一。该文针对埕北30 太古界潜山储集体,运用BP神经网络技术对测井资料进行了潜山储集体岩性的定量识别,经与岩芯观察、薄片分析、成像测井结果对比检验, 符合率达到了90%,从而为开展潜山油藏裂缝预测研究奠定了基础。      

应用相干技术和孔隙度反演技术进行储层预测--以四川盆地DFC构造为例

运用相干分析和孔隙度反演对四川盆地DFC构造的下三叠统嘉二1至嘉一段储层进行了裂缝和孔隙度预测,并给出了有利储层分布。DFC构造发育两条主要断层,其相干异常分为四类:条带状、线状、团块状、点状。带状或线状异常沿断层分布,比较发育,是断层或裂缝的反映;团块状异常较发育,但方向性不强,可能是地下溶洞、溶孔、微细裂缝密集地带或多组小规模断裂交织而成的破碎带的综合响应,还可能是储层物性变化所致。DFC构造的储层,平均孔隙度相对较低,大部分为2%左右,属Ⅳ类储层,少部分为Ⅲ类,只有与裂缝、溶洞相结合才能形成有效储层。     

时深效应指数在超压储层孔隙度预测中的应用

孔隙度是油气藏描述的一个重要参数,储层孔隙度主要受沉积相和成岩作用影响和控制。笔者研究了利用时深效应指数TDI（time—depthindex）预测超压储层孔隙度的方法,超压储层孔隙度预测的重点在于埋藏史恢复,即剥蚀恢复、去压实恢复和孔隙度预测模型的建立。在计算时深效应指数的过程中,根据三维速度场以及压力系数的分布预测超压场,将超压值引入到有效埋深的计算公式,实现了超压环境对孔隙度影响的校正,建立了适合于超压地层的孑L隙度预测模型,为深层油气勘探提供了科学的依据。     

测井约束地震岩性预测方法及应用——以汤原断陷达连河组SD2 段为例

为精细刻画汤原断陷达连河组的岩性展布, 运用测井约束地震岩性预测方法, 利用研究区丰富的井震及钻井资料, 拟合速度- 岩性间的函数关系, 经高精度层序地层约束后, 进行岩性预测。预测结果符合率达86% , 揭示了目的层岩性空间展布规律: 沉积厚度高值区和砂体厚度中心主要分布于控盆断裂一侧, 在研究区内主要分布于靠近盆缘断裂的东部凹陷带。     

综合测井资料在研究新疆吐哈盆地十红滩铀矿区地层岩性及沉积环境中的应用

本文阐述了吐哈盆地十红滩铀矿区岩石地球物理参数特征，并利用综合测井资料深人研究了地层划分、岩性识别，进行了沉积环境分析，对可地浸砂岩型铀矿找矿具有重要的意义。     

砂岩型铀矿含矿层中隔、夹层识别及厚度确定——以十红滩铀矿床为例

在利用综合测井资料,分析十红滩铀矿床含矿含水层的隔层、夹层物性特征的基础上,阐述了隔层、夹层的成因及其空间展布,并对其厚度进行了确定,讨论了隔层、夹层与砂岩型铀矿的关系以及对铀资源/储量估算和地浸工艺的影响。认为隔、夹层对层间氧化带砂岩型铀矿的形成和地浸开采有重要影响,同时其厚度的确定对于铀矿体的圈定和铀资源/储量的估算,具有重要的现实意义。