油气储层识别软件的研制

基于软件工程理论,结合计算机软件技术和油气储层识别技术,选用Motif作为开发平台,研制了Unix操作系统下的油气储层识别软件。针对大型物探软件的特点,采用结构化的文件系统进行数据管理,引入全PlugIns概念合理设计系统架构,确保了软件质量,有效地延长了软件的生命周期。在软件的编制过程中,整合了地震属性提取及优化、BP神经网络、SOM聚类分析、叠后波阻抗和叠前弹性反演等油气储层识别的先进技术,建立了油气储层判别工作流程。此软件已应用于实际地区,并取得了良好的应用效果。同时该软件也为其他技术的集成提供了一个基础平台。     

油气储层识别软件的研制

基于软件工程理论,结合计算机软件技术和油气储层识别技术,选用Motif作为开发平台,研制了Unix操作系统下的油气储层识别软件.针对大型物探软件的特点,采用结构化的文件系统进行数据管理,引入全PlugIns概念合理设计系统架构,确保了软件质量,有效地延长了软件的生命周期.在软件的编制过程中,整合了地震属性提取及优化、BP神经网络、SOM聚类分析、叠后波阻抗和叠前弹性反演等油气储层识别的先进技术,建立了油气储层判别工作流程.此软件已应用于实际地区,并取得了良好的应用效果.同时该软件也为其他技术的集成提供了一个基础平台.     

基于 BP 神经网络的叠前流体识别方法

探讨塔里木盆地桑塔木地区三叠系辫状河三角洲沉积储层流体识别方法。该地区储层横向变化大,流体类型复杂。本文提出利用 BP 神经网络的信息整合模式识别功能来进行储层流体识别的方法,通过叠前反演得到对流体敏感的弹性参数数据体和电测解释结果标定建模样本,采取随机抽样形成建模样本集与测试样本集,选取26口井的700个样本作为学习样本,62个作为测试样本,建立 BP 神经网络模型。预测结果和实钻结果吻合程度高,正确率达90％以上。该方法可以很好地对桑塔木地区储层中所含流体进行识别。     

基于改进神经网络的自动调制识别研究

自动调制识别技术可以用于排除通信系统中的非法用户及其干扰,是保证合法通信的关键措施之一。选取了几种典型的调制方式MFSK,MASK,BPSK,QPSK,OFDM,通过分析其时域特征,提取了反映调制类型显著差异的5个特征参数的新组合。为了克服标准BP算法收敛速度慢且存在多个局部最小点等缺陷,采用改进的弹性BP算法,从提高收敛速度和网络识别性能出发,构建了有效识别调制信号的弹性BP神经网络分类器。仿真结果表明,与基于决策理论的逐级判决调制识别方法相比,所设计的弹性BP神经网络分类器在SNR=0~20 dB时对以上的调制方式均具有较高的识别率,即使在SNR=0 dB时也达到了95%以上的识别率。     

储层综合识别智能模型的建立及在准噶尔盆地西北缘的应用

为准确识别储层类型,针对准噶尔盆地西北缘三叠系储层的特点,提出了一种结合人工神经网络专家和模糊聚类分析的综合识别储层方法。该方法先用10个专家(用BP神经网络获取的知识)进行识别,如果有一半或者一半以上的专家识别结果一致,则得到识别结果,否则采用模糊聚类分析模型进行识别。对西北缘三叠系的17个层进行识别,符合率为76.47%。     

基于改进神经网络的自动调制识别研究

自动调制识别技术可以用于排除通信系统中的非法用户及其干扰,是保证合法通信的关键措施之一.选取了几种典型的调制方式MFSK,MASK,BPSK,QPSK,OFDM,通过分析其时域特征,提取了反映调制类型显著差异的5个特征参数的新组合.为了克服标准BP算法收敛速度慢且存在多个局部最小点等缺陷,采用改进的弹性BP算法,从提高收敛速度和网络识别性能出发,构建了有效识别调制信号的弹性BP神经网络分类器.仿真结果表明,与基于决策理论的逐级判决调制识别方法相比,所设计的弹性BP神经网络分类器在SNR=0～20dB时对以上的调制方式均具有较高的识别率,即使在SNR=0 dB时也达到了95%以上的识别率.     

基于多BP神经网络与D-S融合的车型识别研究

为了提高BP神经网络对车型的识别率,克服单个BP神经网络所存在的网络结构和训练样本数量之间的矛盾,针对大量训练样本采取多个BP神经网络进行训练,进而采用训练好的多个网络进行车型识别. 利用D-S理论将各个BP网络的识别结果进行数据融合以改善最终的车型识别结果. 实验结果表明:随着训练样本数量的增加,多BP网络数据融合方法比单BP神经网络有更高的识别率.     

基于气测资料的储层含油气性识别方法

基于气测资料构造适当的综合指标,分别利用模糊模式识别和误差反向传播(BP)神经网络两种方法对储层含油气性进行了分析.结果表明,气测资料与储层含油气性具有较强的相关性.模糊模式识别方法可以用来确定气测综合指标与储层含油气性之间的模糊关系,而且对待识别样品气测资料的随机性具有较强的适应性;神经网络法能够较准确地建立气测综合指标与储层含油气性之间的非线性关系,但在待识别样品气测资料具有随机性的情况下,识别结果具有随机性.利用模糊模式和BP神经网络方法对储层含油气性进行识别具有一定的可行性,能快速为储层含油气性分析提供一定的参考依据,并且前一种方法的识别效果优于后一种方法.     

基于气测资料的储层含油气性识别方法

基于气测资料构造适当的综合指标，分别利用模糊模式识别和误差反向传播（BP）神经网络两种方法对储层含油气性进行了分析。结果表明，气测资料与储层含油气性具有较强的相关性。模糊模式识别方法可以用来确定气测综合指标与储层含油气性之间的模糊关系，而且对待识别样品气测资料的随机性具有较强的适应性；神经网络法能够较准确地建立气测综合指标与储层含油气性之间的非线性关系，但在待识别样品气测资料具有随机性的情况下，识别结果具有随机性：利用模糊模式和BP神经网络方法对储层含油气性进行识别具有一定的可行性，能快速为储层含油气性分析提供一定的参考依据，并且前一种方法的识别效果优于后一种方法。     

基于小波包BP网络的超声检测缺陷类型识别

针对A型反射超声波检测仪难以准确识别缺陷类型的问题,探讨了基于小波包和BP神经网络相结合的超声检测缺陷类型识别方法。对检测的多组超声缺陷信号分别进行3层小波包分解,提取小波包频谱能量特征,归一化后构造了各缺陷信号的特征向量,并分别组成训练样本集和测试样本集,用于3层BP神经网络的训练和网络识别效果检验。实验结果表明该方法能准确快速地识别出超声检测缺陷类型。     

改进BP神经网络在流型智能识别中的应用

为了克服ＢＰ神经网络的易陷入局部极小、收敛速度慢等缺点,利用非线性最小二乘法对其进行了改进,改进后的ＢＰ神经网络的收敛速度提高了１￣２个数量级,同时利用压阻式压关器测得了水平管内油气水多相流压差信号,根据分形理论中的重要构相空间法提取出压差信号的特征向量,再将特征向量送入改进的ＢＰ神经网络中,从而完成对油气水多相流流型的智能识别,结果证明,改进的ＢＰ神经网络能有铲地自动识别出油气水多相流的流型。     

多波地震油气储层的自组织神经网络学习与预测

如何充分挖掘出地震数据的有效信息以更有效预测出地震油气储层的分布情况,一直是业内所追求的目标。多波地震数据所包含的纵、横波数据不仅含有大量对油气敏感的特征信息,而且二者对油气响应存在差异,利用好这种差异可有效降低地震反演中的多解性问题。为此,设计了一种基于自组织神经网络的多波地震油气储层分布预测方案。首先,通过聚类分析优选出对油气响应比较敏感的地震属性,然后,对优选优化后的属性进行多波复合运算提取油气特征信息。最后,根据输入样本属性数据集设计自组织神经网络结构,计算神经元与样本的距离确定最佳匹配单元,更新调整网络权值,完成网络训练,得到预测结果。应用结果表明,基于本方案所预测的地震油气藏分布范围与实际情况基本吻合,有效地降低了反演结果的不确定性,从而验证了自组织神经网络应用于地震油气储层预测的有效性和可行性。     

用于变压器故障特征气体分析的气敏阵列传感系统

提出将气敏元件阵列技术和径向基函数神经网络（Ｒａｄｉａｌ Ｂａｓｉｓ ＦｕｎｃｔｉｏｎＮｅｕｒａｌＮｅｔｗｏｒｋ，ＲＢＦ－ＮＮ）相结合，以检测电力变压器油中的４种微量故障特征气体（１＊１０＾－６－１０＊１０＾－６级Ｈ２、Ｃ２Ｈ４、Ｃ２Ｈ２和５０＊１０＾－６级ＣＯ）。实验结果表明，与目前基于误差反向传播算法（ＥｒｒｏｒＢａｃｋ－ＰｒｏｐａｇａｔｉｏｎＡｌｇｏｒｔｈｍ，ＢＰ）神经网络的气体分析结果相比     

大型油气藏重力异常提取组合技术

在分析各类油气藏基本特征的基础上,建立背斜、断层、尖灭和岩体刺穿组合复杂油气藏理论模型,运用趋势分析、差值切割、小波分析和细胞神经网络等识别方法提取油气重力异常信息,通过对比各种方法的优劣,形成一套基于油气成藏模式进行油气藏重力信息提取的组合技术。通过对三湖坳陷涩北地区的实际资料处理,辅以重震联合解释、重力异常正则化下延和视密度成像技术,验证了异常提取组合方法的有效性。结果表明,该技术可以克服单一提取方法的缺陷,提高异常提取的可靠性,减少油气预测的多解性。     

基于BP神经网络的变压器故障诊断

针对变压器故障类型的特征,结合油中气体分析法及三比值法,应用BP神经网络对变压器进行故障诊断。根据BP神经网络的概念、结构和算法原理,探讨了不同隐含层的神经元个数对神经网络训练性能的影响。通过对仿真结果的分析与测试,结果表明BP神经网络对变压器故障诊断具有较好的应用效果。     

哈南油田阿尔善组油藏测井描述

哈南油田阿尔善组储层发育,油气资源丰富,为哈南油田的主力油藏．在该油藏的研究中,充分利用已有的测井资料,首先研究了测井资料的标准化方法以及以测井曲线为基础的岩心归位方法,进而采用神经网络技术将测井信息转化为地质信息,通过该区２７９口井测井资料的综合解释和评价处理,为储层研究提供了基本地质参数和油气评价结论,并采用克里金估计模型绘制了砂体分布、油层有效厚度、孔隙度、渗透率及含油饱和度的平面空间分布图,全面分析了储层在空间的分布规律,为区块油藏综合治理和开发提供了可靠依据．     

基于BP神经网络的螺杆泵井故障诊断技术研究

提出了基于BP神经网络和专家系统的螺杆泵井故障诊断方法:将螺杆泵井工况类型细分为10类,选取表征油井生产状态的7个特征参数作为输入量,采用Active X技术,借助VB调用Mat-lab人工神经网络工具箱函数,构建和训练网络模型.用该方法对新疆油田吉7井区吉101井和吉002井进行实例分析,验证了模型的正确性.     

基于实数编码的遗传神经网络水淹层综合判别

为解决油层水淹后 ,使用一般测井解释方法很难识别水淹层的问题 ,提出了一种基于实数编码的遗传 BP ( Back Propagation)神经网络进行水淹等级综合判别的方法。在此基础上建立的神经网络经反复训练验证 ,性能稳定、学习收敛速度快 ,同时有很强的记忆能力、推广能力和适应性。对大庆长垣 7口井的资料处理表明 ,准确率达到 87%以上 ,取得了很好的效果。