多相流动电磁波成像测井测量敏感场计算

在多相流动电磁波成像测井研究中，测量敏感场是设计测量仪器和研究图像重建算法的前提工作. 本文用数值方法计算多相流动电磁波成像测井测量敏感场. 根据测量探头电极阵列的对称性，将三维敏感场问题划分为轴向和横向两个平面问题，然后应用有限元算法求解两个平面电势分布问题，对于不同介质模型，计算各种测量条件下测量区域内电势分布，进而根据电势分布计算测量敏感场. 结果表明测量敏感区域为发射电极到测量电极的弧形区域，在发射电极到测量电极的电势梯度线上，测量敏感函数近似于一个指数函数.     

油井多相流电磁成像测量敏感场仿真

为了考察油井多相流电磁成像测量的敏感场分布,本文根据阵列电极结构和测量电磁场特性,应用有限元求解流体截面的电磁场问题,对于不同介质分布模型,计算电势分布,进而模拟测量敏感场.仿真结果表明,测量敏感场呈马鞍面状分布,在靠近发射电极和测量电极的区域敏感性较强,在弧形区域的中间敏感性较小.     

声电频谱测井方法研究Ⅱ—频谱的实部与虚部测量方法

声电频谱测井的频谱包含实部和虚部,其测井的主要目的之一是获得探头响应的虚部.因为虚部包含着更多的地层参数信息或者与地层参数具有直接的关系.例如感应测井响应的虚部在一阶近似的情况下与地层的电导率成正比;声波测井的传播速度信息在相位上表现,所测量的时差是相位差,也是虚部;井下超声换能器的辐射阻抗与地层参数有关,也包含虚部.用稳态的正弦波或者方波激发时,虚部的信息包含在所测量波形的相位中,虚部的测量就是这些波形幅度和相位的测量,即原始测量信号仍然是正弦波,但是经过探头和地层以后,其幅度和相位会发生比较大的变化,特别是在探头或者响应的谐振频率处,其变化更加剧烈.本文研究用采集到的正弦波处理虚部的方法.包括测量电路:一般测量电路和桥式测量电路,模拟测量方法和数字测量方法等.其中模拟测量方法借助于模拟乘法器和滤波完成虚部的测量,数字测量方法需要借助于信号处理方法获得虚部.模拟测量方法中因为有低通滤波器,因此只对一定频率段有效(大于5kHz),数字方法则可以从很低的频率开始,对大多数频率段有效.桥式测量电路可以增加原始信号的幅度,提高虚部的测量精度.     

油井流动成像束状探测电磁场

为了克服油井流动成像电磁探测的"软场"效应,提高成像质量,本文从测量物理模型出发,采用在轴向上屏蔽和径向上聚焦的方法构建束状探测场,通过有限元仿真计算电势分布以及测量敏感场,发现轴向上屏蔽后的电势分布均匀平坦,从而探测电磁场可以简化为二维场;径向上聚焦后敏感区域主要集中在发射电极和接收电极之间的束状区域内,敏感场呈马鞍状,其中间敏感性明显加强.模拟流动实验测量结果表明,束状探测电磁场的测量信号较强,成像质量明显提高.     

声电频谱测井方法研究Ⅰ——电缆的影响

声、电频谱测井直接测量声和电探头频谱的实部和虚部.通常情况下,实部信号幅度比较大,与地层参数的关系不密切;虚部的信号比较小,与地层声、电参数关系密切.测量时,换能器在井下,地面(或者井下电路)发射频率可调的正弦波或者方波电压于声、电探头,测量其电压和电流波形,处理其幅度和相位可得到探头的阻抗或导纳的实部和虚部.由于位于井下的探头的辐射声阻抗和电阻抗都与地层参数有关,因此,通过测量换能器的阻抗或导纳随频率的变化关系可获得地层的声电参数.与现有的测井方法测量一个频率(感应测井)或者瞬态声波波形(主频附近)不同,声电频谱测井对频率进行扫描,获得一定频率段的频谱.具体的频率区间根据井眼条件和所测量的地层参数以及探头结构确定.声电频谱测井理论建立井眼条件下频谱的实部和虚部与地层参数之间的关系,测井资料处理则利用这些关系从测量的频谱曲线获得所测量地层的声、电参数.该方法可以在裸眼井和套管井中进行,并且还可以像最早的电极测井那样,直接在地面完成测量,井下只放置探头,不设置电路.这时声电频谱测井通过电缆输入到井下探头的是正弦波或者方波,电缆对测量结果影响比较大.本文首先给出声电频谱测井的现场实验结果,然后讨论电缆的频谱特征以及对测量结果的影响.电缆的频谱峰在探头阻抗发生变化的时候变化比较小,容易从频谱测量结果中区分出来.     

油井流动成像电磁测量相位场特性

为了探索电磁流动成像测井仪器激发的相位场信号的传播特性,本文根据实际电磁流动成像传感器的阵列电极结构,应用有限元方法进行正演仿真模拟,得到在不同持水率的层流环境下各电极所测量到的电位相位值,以及6种典型的相位敏感场分布.正演仿真结果表明,相位测量值随着持水率的增加而减小,相位敏感场只对靠近接收电极区域的敏感性较强.不同流型下的相位特征区别明显,表明了利用相位场数据进行电磁流动成像是可行的.     

非均匀套管井中的过套管电阻率测井响应

套管井壁的电势分布包含了金属套管和地层模型的信息,套管电阻率的变化对过套管电阻率测井有重要影响,本文考虑了套管电阻率的变化对传输线方程系数的影响,给出了非均匀套管壁电势分布的计算方法．利用套管井壁电势分布实现了非均匀套管测井响应的计算,考察了套管电阻率变化对过套管电阻率测井响应的影响,模拟结果表明,套管的变薄或变厚对测井响应均有一定影响,当套管电阻突然变小（套管变厚）或突然变大（套管变薄）时过套管电阻率测井异常发生在套管电阻突变界面附近．模拟结果还显示电极距对测井结果有明显影响．     

双极供电型过套管电阻率测井仪的薄层校正方法与实现

过套管电阻率测井仪能在金属套管井中测量地层的电阻率,在油气勘探和开发中具有重要的应用,但对厚度小于仪器电极距的薄目的层进行测量时,将受到上下围岩的影响.而我国许多油气储集层的厚度较薄(厚度小于1 m),严重影响了这种测井新技术的地质应用效果.双极供电型过套管电阻率测井仪在国内使用广泛,针对这类仪器,利用修正的传输线理论,采用数值模拟方法,全面分析了地层厚度和电阻率对测量值的影响.为电极距分别为1.0 m和1.1 m的双极供电型过套管电阻率测井仪建立了一套完善的薄层校正图版.编制了相应的计算机处理程序,挂接到常用的测井资料处理与解释平台上,可自动查找所建立的校正图版,方便、快捷地进行薄层校正.油田实际测井资料处理结果表明该方法可行、有效.     

套管接箍对过套管电阻率测井的影响分析

过套管电阻率测井是一种新的测井方法,能在普通的金属套管井中测量地层的电阻率.但其测量结果受到来自套管、水泥环和围岩等诸多因素的影响,其中套管接箍是一个重要的影响因素.采用修正的传输线理论,通过数值模拟全面分析了套管接箍厚度、长度及单位长度电阻对过套管电阻率测井的影响.结论认为,套管接箍厚度对过套管电阻率测井的影响较小;过套管电阻率测井在以套管接箍为中心、上下各半个仪器电极距的深度范围内受套管接箍影响;套管接箍单位长度电阻与套管单位长度电阻差异越大影响越大.     

全井眼电导传感器电场仿真及静态实验特性研究

根据Maxwell和Begovich＆Watson模型的原理,设计了一种新型全井眼两相流含水率电导传感器。用ANSYS软件通过相应边界条件下的Laplace方程进行了其电场仿真计算。用不同直径的长绝缘圆棒代替油插入水中模拟水的体积分数,进行了其静态特性的实验测量。仿真结果和实验结果的趋势相符。实验表明,传感器对水中的绝缘棒敏感,绝缘棒距离电极越近,其灵敏度越高。未发现水矿化度对传感器响应有影响。研究结果有助于高产井油水两相流流动参数连续测量仪的进一步研制。     

重力异常的BP神经网络三维物性反演

三维物性反演参数多,计算量巨大,传统的方法难以实现.本文使用BP神经网络实现重力三维物性反演,介绍了BP神经网络的基本原理及特性,并构造一个适用于重力位场反演的BP神经网络.并用其对模型进行反演计算,结果表明:BP网络具有较好的泛化能力和容错能力,反演速度快、准确,并且较好的反应了场源的分布情况.     

基于遗传神经网络的大地电磁反演

为进一步提高大地电磁非线性反演的稳定性、运算效率及准确度,将遗传神经网络算法引入大地电磁反演.首先针对大地电磁二维地电模型建立BP（Back Propagation）神经网络基本框架进行学习训练,网络输入为已知地电模型的视电阻率参数,输出为该地电模型参数;再利用遗传算法对神经网络学习训练过程进行优化,计算出多种地电模型网络连接权值和阈值的最优解;最后将最优连接权值和阈值对未知模型进行反演测试,网络输入为未知地电模型的视电阻率参数,输出为该地电模型参数.模型实验表明：遗传神经网络算法充分结合了遗传算法的全局寻优性和神经网络的局部寻优性,相比单一神经网络算法,在网络学习训练中提高了解的收敛成功率和计算速度,在反演测试中能更准确地逼近真实模型.将遗传神经网络算法与最小二乘正则化反演进行对比,理论模型和实测数据都验证了遗传神经网络算法在大地电磁反演中的可行性和有效性.     

基于深度降噪自编码神经网络的中国大陆地壳厚度反演

本文采用基于数据驱动的深度降噪自编码网络构建了瑞雷面波群速度、相速度频散特性与地壳厚度的正反演函数关系,并利用最新频散模型反演了中国大陆的地壳厚度.对于神经网络架构体系的评价,除了考虑传统意义上的测试误差、训练误差之外,本文还用已知物理原理的正演结果与网络预测结果进行比较;在设计网络构架时,同时考虑地球模型和面波频散的...     

基于遗传优化神经网络的高速公路路基沉降量预测

控制路基沉降是公路工程中的一个关键技术问题,而路基沉降与其影响因素之间存在着线性、非线性关系。当输入自变量较多时,用传统神经网络建模容易出现过拟合现象,导致网络模型预测精度较低。针对此问题,本文用遗传算法对神经网络模型的权值和阈值进行优化,同时讨论遗传参数的设定对输出结果的影响。通过对成南高速的实测数据进行仿真,试验结果表明:优化后的BP神经网络具有较高的预测精度,预测效果明显优于传统神经网络模型的输出结果,该预测方法可作为高速公路路基长期沉降预测的一种有效辅助手段。     

基于改进遗传算法优化BP神经网络的单体建筑物震害评估方法

结合机器学习算法最新研究进展,提出一种基于改进遗传算法优化BP神经网络的单体建筑物震害评估方法。以四川地区为例,通过改进遗传算法优化BP神经网络建立评估模型,输出评估区域内不同结构类型单体建筑物在各震害影响因素综合作用下的破坏等级,并通过实际算例分析对模型的有效性进行验证。结果表明,该方法可快速、准确地评估单体建筑物震害情况。     

地震资料预测薄层厚度方法研究与应用

薄层厚度预测一直是公认的难题之一,其难度就在于如何准确地识别和提取薄层的地震属性.常规方法是利用时间域或频率域地震属性与薄层厚度的线性关系计算.但是理论与实际资料表明,不同的薄层和地层组合对地震波的动力学的信息影响很大,各种参数与薄层厚度成非线性关系,使用单一的信息不可能准确预测薄层厚度.本文利用三种线性预测原理（模型）,经数学变换为属性参数,采用非线性BP网络预测薄层厚度,取得了令人满意的效果.     

Bayesian approach to contaminant source characterization in water distribution systems: adaptive sampling framework

Bayesian analysis can yield a probabilistic contaminant source characterization conditioned on available sensor data and accounting for system stochastic processes. This paper is based on a previously proposed Markov chain Monte Carlo (MCMC) approach tailored for water distribution systems and incorporating stochastic water demands. The observations can include those from fixed sensors and, the focus of this paper, mobile sensors. Decision makers, such as utility managers, need not wait until new observations are available from an existing sparse network of fixed sensors. This paper addresses a key research question: where is the best location in the network to gather additional measurements so as to maximize the reduction in the source uncertainty? Although this has been done in groundwater management, it has not been well addressed in water distribution networks. In this study, an adaptive framework is proposed to guide the strategic placement of mobile sensors to complement the fixed sensor network. MCMC is the core component of the proposed adaptive framework, while several other pieces are indispensable: Bayesian preposterior analysis, value of information criterion and the search strategy for identifying an optimal location. Such a framework is demonstrated with an illustrative example, where four candidate sampling locations in the small water distribution network are investigated. Use of different value-of-information criteria reveals that while each may lead to different outcomes, they share some common characteristics. The results demonstrate the potential of Bayesian analysis and the MCMC method for contaminant event management.     

基于PCA-RF的砂砾岩有利储层厚度预测方法

东营凹陷沙三、沙四沉积时期，发育了大量不同时期的砂砾岩体，它们是非常规油气勘探中重要的储层类型。由于砂砾岩体具有纵向厚度变化大、横向展布不均匀、岩相变化快等特点，在地震属性分析与厚度预测时，用单一属性对储层厚度描述具有很大的不确定性。为此，提取了多种地震属性，采用主成分分析法（PCA）进行优化、去除冗余信息。考虑到随机森林（RF）具有预测精度高、对异常值容忍性强、训练速度快且不易过拟合等特点，引入该方法对砂砾岩储层厚度进行预测。针对属性自相似问题，PCA采用了两种方法:①直接对全部属性做降维处理，提取主成分进行预测（PCA-RF1）；②先对相似属性做降维处理，再组合其他属性进行预测（PCA-RF2）。原始RF、PCA-RF1、PCA-RF2方法还与人工神经网络方法（ANN）进行了效果对比，结果表明，基于相似属性降维处理的PCA-RF2方法，具有最佳应用效果。      

Identification of the controlling factors for hydrological responses by artificial neural networks

Identifying the controlling factors for hydrological responses is of great importance for artificial neural network-based flood forecasting models, which are often hindered by the lack of physical mechanisms. To explore the first-order controlling factors of hydrograph patterns, a hybrid neural network was designed to analyse the impacts of potential driving variables with different temporal and spatial resolutions on hydrograph patterns. The Jinhua River Basin in Southeast China was used as an example in this study. Flood events with different hydrograph patterns and six external factors denoting potential controlling factors were individually classified into specific clusters using self-organizing maps (SOMs). Based on the back-propagation neural network (BPNN) and leave-one-out cross-validation methods, the controlling factors of different flood patterns were identified by comparing the performances of flood simulation models trained with datasets before and after the potential controlling factor classification. The results showed that (i) the classification of controlling factors indicating various runoff regimes significantly improved the performance of data-driven models in flood simulation in terms of correlation coefficient, Nash-Sutcliffe coefficient, and normalized root mean square error; (ii) the spatial distribution of antecedent soil moisture and vegetation conditions as well as the temporal distribution of rainfall dominated different hydrograph patterns; and (iii) the transition of dominant rainfall-runoff processes could be identified in an individual flood event using the hybrid SOM–BPNN model, indicating the varying influence of potential controlling factors on streamflow. Overall, the hybrid neural network models trained with datasets classified by controlling factors provide a general analytical framework to identify the governing dynamics for different flood patterns and improve the accuracy of flood simulations. Additionally, more attention should be devoted to improving the time to peak error of hydrological models, which cannot be settled by data-driven models trained with different data-splitting strategies.     

自组织竞争网络模型在地震预报研究中的应用

本文简述了自组织竞争模型的原理，研究了其在地震预报样本分类中的应用。并采用遗传算法对其网络结构参数进行优化，对输入样本参数进行优选。震例检验结果显示自组织竞争网络具有较好的分类效果，经遗传算法优化后的模型分类效果得到进一步改善。