排序方式: 共有7条查询结果,搜索用时 0 毫秒
1
1.
针对川中地区砂体分布多,气藏分布在砂体的那个位置很难确定这一情况,对叠前数据用AVO中的Lambda-Mu-Rho技术获得流体的不可压缩性和硬度。同时对道集模型进行AVO分析处理,总结出不同流体饱和度情况下的地震响应特征;将分析结果与实际井旁道地震资料对比,从而建立可靠的储集层性质与地震响应特征的对应关系,为从地震资料中提取储集层参数提供了依据。利用Biot-gassman流体替换模型,分别求得模型在含油砂岩、含气砂岩和含水砂岩时的对应响应,即获得了多个点的截距-梯度交汇图。然后利用用AVO流体反演定量的得到流体的可能性分布,根据这些叠前属性再结合叠后反演的多个属性,综合评定了该区的气藏分布情况,通过已钻遇的井证实了预测的可靠性,该方法充分的应用了地震的叠前信息,解决了叠后反演所不能解决的流体分布预测问题,在砂体范围内找含流体可能性最大的砂,从而降低了勘探风险。 相似文献
2.
泥石流的流体结构复杂、防治难,水石分治和水石分离具有重大的理论意义和现实作用。文章在总结、回顾既有水石分离结构的基础上,首次提出了棱台式桩林坝和鱼嘴式穹窿格栅坝2个新型结构,并针对各种结构的水石分离优势和应用局限性,分别从结构特点、适用条件、优缺点方面进行了简要总结和大致分类,提出了"综合利用既有水石分离结构的成功经验,结合创新结构的比较优势,因地制宜地优化组合并系统布设设施"的应用思路及组合应用推荐建议,采用案例进行了应用示范。供参考。 相似文献
3.
4.
????????????????Kullback-Leiber???????????????Bayes?????????????????????Σ?????????????£??????????????????????????????????????????????????3??????????Kullback-Leiber????????????????????????б???????÷???????????????????????????Ч???? 相似文献
5.
不同类型识别变量的自回归模型异常值探测的Bayes方法 总被引:1,自引:0,他引:1
讨论基于自回归模型(AR模型)的时间序列数据中异常值探测的Bayes方法。该方法针对自回归模型引入不同类型的识别变量,通过比较这些识别变量的后验概率值与事先给定的阈值来进行异常值定位;基于Gibbs抽样算法,提出识别变量后验概率值的计算方法和异常值的估算方法;进行了大量的模拟试验并把该方法应用于卫星钟差实测数据的异常值探测,结果表明,该方法对于解决时间序列数据中在同一时刻或不同时刻出现加性异常值或革新异常值的探测问题是可行的和有效的。 相似文献
6.
处理高杠杆异常值的抗隐差型Bayes方法 总被引:1,自引:1,他引:0
给出了一种剔除初始子集中高杠杆异常值的方法。首先根据高杠杆异常值在总观测值集中所占的比例选出若干组观测值,使得至少有一组不含高杠杆异常值的概率很高;然后根据残差最小准则从中选出不含高杠杆异常值的那组作为初始子集;最后用这种初始子集确定方法结合Gibbs抽样给出了相应的Bayes多粗差定位算法。 相似文献
7.
通过分析隐差现象产生的原因,将基于观测误差的后验概率法与基于Kullback-Leiber距离的影响分析相结合,并利用逐个搜索法的思想,给出了一种粗差探测的抗隐差型Bayes方法。实验结果表明,采用该方法进行粗差探测切实可行,不但有效地发现了被掩盖的粗差,而且运算简单,效率较高。 相似文献
1