排序方式: 共有2条查询结果,搜索用时 0 毫秒
1
1.
有机碳含量(TOC)是页岩气资源评价与预测选区的关键指标之一,测井预测是实现单井TOC连续识别的重要手段,本次研究拟揭示各类预测方法在下古生界海相页岩中的预测效果。本次以川南长宁地区龙一段黑色页岩为对象,尝试采用多类预测方法(ΔLogR法及其改进方法、多元线性回归法与神经网络法)与不同的研究尺度(全段或分层)建立TOC测井预测模型,并对不同方法的预测效果进行深入探讨。研究表明,各方法预测效果差异较大,适用性各不相同。整体而言,多元线性回归法与BP神经网络法在研究区的预测效果均优于ΔLogR法及其改进方法。笔者等研究提出多元线性回归法对研究区TOC高值段的预测效果更佳,而神经网络法对TOC低值段的预测精度更高。本次研究根据龙一段各亚段有机质分布特征与测井响应特征的差异,提出通过“精细分层与最优方法匹配”的方式,因地制宜地选择相应的方法进行TOC测井预测。针对龙一1a-c与龙一1d-龙一2,分别采用多元线性回归法与BP神经网络法进行分层精细建模,并获得了最佳的预测效果,不仅预测精度较高,而且相对误差较小,绝大部分样品相对误差不超过20%。 相似文献
2.
有机碳含量(TOC)是页岩气资源评价与预测选区的关键指标之一,测井预测是实现单井TOC连续识别的重要手段,本次研究拟揭示各类预测方法在下古生界海相页岩中的预测效果。本次以川南长宁地区龙一段黑色页岩为对象,尝试采用多类预测方法(ΔLogR法及其改进方法、多元线性回归法与神经网络法)与不同的研究尺度(全段或分层)建立TOC测井预测模型,并对不同方法的预测效果进行深入探讨。研究表明,各方法预测效果差异较大,适用性各不相同。整体而言,多元线性回归法与BP神经网络法在研究区的预测效果均优于ΔLogR法及其改进方法。笔者等研究提出多元线性回归法对研究区TOC高值段的预测效果更佳,而神经网络法对TOC低值段的预测精度更高。本次研究根据龙一段各亚段有机质分布特征与测井响应特征的差异,提出通过“精细分层与最优方法匹配”的方式,因地制宜地选择相应的方法进行TOC测井预测。针对龙一1a-c与龙一1d-龙一2,分别采用多元线性回归法与BP神经网络法进行分层精细建模,并获得了最佳的预测效果,不仅预测精度... 相似文献
1