贝叶斯序贯高斯模拟方法

各种静态数据约束下的三维储层模型是指可以同时满足地震和测井数据的模型。研究了整合中等垂向分辨率地震数据的方法。引入贝叶斯定理的序贯高斯模拟方法,即贝叶斯序贯高斯模拟,用来整合中等垂向分辨率的地震数据,在给定地震频率的条件下,提高模型的分辨率。模拟结果表明,该方法能很好地整合中等垂向分辨率的地震数据,解决整合地震和测井数据存在的“体支撑”难题,生成高于地震垂向分辨率、低于或等于测井分辨率的三维储层模型。     

稀土化合物的磁性研究

本文考虑了与稀土化合物磁性有关的各种相互作用,分析了稀土化合物Y_(1-x)Er_xCo_(5 x)的磁化强度等实验数据.理论计算结果与实验符合较好.稀土化合物Y_(1-x)Er_xCo_(5 x)的对称性是D_(6h),稀土离子Er为中心离子,过渡金属离子为Co为配位体.与磁性有关的哈密顿可表为下式     

正n棱柱结构的P2n原子簇(n=3,4,5,6)

Martin在300K从红磷淬火蒸汽中观测到磷原子簇正离子P_n~ (n≤24)的质谱峰;Huang等人利用XeCl激光束烧蚀红磷测得磷原子簇P_m(m≤35)的飞行质谱。Marco等人利用TURBOMOLE程序,在SVP基组下利用Hartree-Fock及密度泛函方法研究了偶数磷原子簇的各种几何结构和相应的电子结构,但没有涉及系统研究棱柱状的几何结构。具有正n棱柱结构的电子结构通过理论计算已经得到。     

黄陵地区延长组长6段深水砂岩储层特征分析

以鄂尔多斯盆地黄陵地区延长组长₆段为研究对象,基于区内丰富的钻井取芯、测录井及分析化验资料,对长₆段深水砂岩特征及不同砂体类型储层之间的差异性进行了分析。结果表明,根据砂体形成机制及其构造特征的不同,研究区砂体类型可划分为砂质碎屑流砂体、砂质滑塌砂体及浊流砂体3大类。其中,砂质碎屑流砂体的石英、长石含量及结构成熟度相对较高,储集空间以长石溶孔和残余粒间孔为主,储层物性也明显优于其他两类砂体。进一步分析发现,由于结构成熟度和矿物含量的差异,砂质碎屑流砂体成岩早期抗压实压溶作用更强,中晚期易溶矿物溶蚀增孔、构造破裂增缝等建设性成岩作用也较为强烈,从而决定了砂质碎屑流砂体是研究区最有利的储集岩体。     

P12构型稳定性的理论研究

近年来,开始了磷的原子簇稳定构型的研究.H(?)ser等利用TUBOMOLE程序选择SVP基组,对P_(12)(D_(3d))构型进行了优化,提出P_(12)(D_(3d))原子簇存在的可能.除去P_(12)(D_(3d))构型外,本文进一步探索P_(12)原子簇可能存在的其他稳定构型.本文利用从头算Gaussian-92程序,选择HF/6-31G~*基组,对原子簇P_(12)(D_(6h))和P_(12)(C_(3v))进行了优化,得到了可能稳定存在的结果.为了对比,在该程序相同基组下对原子簇P_(12)(D_(3d))进行优化.对3种原子簇稳定构型进行了谐振频率计算.结合HF/6-31G~*基组下3种P_(12)原子簇稳定构型的分子轨道和自然键轨道分析,探讨了P_(12)原子簇3种构型稳定性差异的原因.对于sp~3杂化成键的磷原子簇而言,P-P-P所成键角越接近109°28′,接近该角度的数目越多,P_(12)原子簇越趋于稳定.含有空的3d轨道磷原子,在形成磷原子簇时,3d轨道的极化程序越大,P_(12)原子簇构型越趋于稳定.     

基于微地震事件点的SRV拟合方法比较研究

针对噪声影响下基于微地震事件点的改造体积（SRV）计算不准确的问题,开展了微地震事件SRV拟合算法研究。采用三维水力压裂模型来模拟主裂缝扩展和压裂液由裂缝向基质扩散的过程,依据断裂准则和临界孔隙压力来判断所引发的微地震事件,进而得到水力压裂SRV。基于异常点概念,采用各算法拟合去异常点前、后的微地震事件点集,进而得到相应的SRV,并与水力压裂模拟求得的SRV对比。结果表明,异常点处理可以降低噪声对3种拟合算法计算SRV的影响;面元算法虽然较为保守,但微地震事件SRV与水力压裂SRV相差不大,且具有较好的稳定性和抗噪性;三维狄洛尼三角剖分和最小体积覆盖椭球两种算法所得的微地震事件拟合SRV虽然与水力压裂SRV误差相对较大,但这两种方法不仅从数学领域清楚地划分了微地震活动区域,且提供了更详细、更定量化的SRV几何结构。     

基于深度学习算法不同数据集的地震反演实验

近年来，人工智能中的深度学习技术在地震数据处理、反演和解释领域显示出许多优势。以往的研究表明，深度学习与地震反演相结合的方法比传统方法更有效。利用深度学习技术有可能得到更高分辨率的结果，这对油藏开发至关重要。通过设计地质模型进行采样以获取不同大小数据集，基于卷积神经网络（CNN）研究了不同训练数据集的地震反演应用效果，实验表明，该神经网络的预测精度在一定范围内随训练集的增加而增加，得到了对神经网络模型构建的关键数据集大小占全数据集的比例。此外，通过对地震数据加入不同比例的噪声并对CNN进行训练，结果表明本文所设计的CNN具有良好的抗噪和泛化能力。     

利用4D地震数据校正储层静态模型的集合卡尔曼滤波方法

储层静态模型是利用已知数据,结合先验性认识对未知储层空间进行插值预测,由此得到的结果与实际生产观测数据以及4D地震观测数据之间存在较火差异.基于集合卡尔曼滤波方法,通过观测数据反推系统模型的状态向量,对储层静态模型加以校正使得校正后的储层静态模型和观测数据之间差异最小化.选择4D地震属件差异作为观测数据,通过合理地抽取观测点,提高了运算效率.模型试验表明,校正后的静态模型能够较好地反映储层非均质性,并且与4D地震数据有较好的一致性.     

贝叶斯-序贯高斯模拟方法

各种静态数据约束下的三维储层模型是指呵以同时满足地震和测井数据的模型。研究了整合中等垂向分辨率地震数据的方法。引入贝叶斯定理的序贯高斯模拟方法，即贝叶斯-序贯高斯模拟，用来整合中等垂向分辨率的地震数据，在给定地震频率的条件下，提高模型的分辨率。模拟结果表明，该方法能很好地整合中等垂向分辨率的地震数据，解决整合地震和测井数据存在的“体支撑”难题，生成高于地震垂向分辨率、低于或等于测井分辨率的三维储层模型。