低孔低渗储层流体性质测录井综合识别方法研究现状与展望

低孔低渗储层流体含量较少,流体性质在测井上的响应特征不够明显.因此,需要一套更有效地流体性质识别方法.基于文献调研和案例研究,本文系统考察了低孔低渗储层现有的测井、录井识别技术,给出了综合应用测井、录井资料识别低渗透储层流体性质的工作流程,并对技术发展方向做了展望.研究认为:可依据方法原理、使用资料特点将测井识别技术分为电法、声波、核测井、核磁共振四类;录井技术分为交会图、油气含量对比、参数对比三类;测录井综合识别技术分为简便分析和数据挖掘技术两类;通过选取适当数据挖掘技术进行测录井综合识别,符合率约90%,比单独使用测井资料和录井资料识别符合率提高了约10%,有明显提升;在使用数据挖掘技术时,敏感参数选取、模式识别方法的选择等都是值得考虑的重要问题,这些问题是低孔低渗储层流体性质识别技术的难题和主攻方向.     

基于特征优选和逐步回归的黄土滑坡监测数据融合改进方法

针对滑坡监测多源异构数据融合处理中存在的影响因子筛选难、结果差异大、数据处理复杂程度高等问题,提出一种基于最大互信息系数(MIC)、灰色关联分析(GRA)和逐步回归的黄土滑坡多源多点位异构监测数据融合方法。该方法首先将最大互信息系数和灰色关联分析结合起来,采用基于加权关联度的特征优选方法综合筛选滑坡变形影响因子,提取具有代表性的影响因子并剔除关联性差的影响因子;然后,通过逐步回归方法赋予各监测点位移和优选后的影响因子对应的重要性权重系数,获取多源异构数据融合序列;最后,采用甘肃黑方台党川滑坡监测设备所获取的全球卫星导航系统(GNSS)监测数据、裂缝位移计数据及气象数据进行实验验证。结果表明：在滑坡变形影响因子筛选性能方面,基于加权关联度的特征优选方法优于传统的Pearson相关系数法;基于特征优选和逐步回归的多源多点位异构数据融合模型的预测精度较传统的BP神经网络有所提升,其中均方根误差(RMSE)降低了51.8%,平均绝对百分比误差(MAPE)降低了2.26%,拟合优度达到了0.964。