交会图法识别火山岩岩性

识别岩性的方法多以交会图技术为主,一些新的测井技术也被应用.本文选择取心井段的自然伽马能谱测井、声波测井、中子测井、密度测井、自然伽马测井、深侧向电阻率测井项目的数据进行交会,编制测井曲线交会图.优选u-TH、GR-Ac、CNL-DEN交会图对非取心井段火山岩地层进行岩性识别,预测出了安山岩、粗砂岩和火山角砾岩.效果与岩心分析结果有较好的一致性.     

随机森林分类方法在储层岩性识别中的应用

为通过测井数据对储层岩性进行精确的识别,选取自然伽马、声波时差、岩石体积密度、中子密度、微球形聚焦测井、深侧向、浅侧向等7种测井参数作为判别指标.对相关性较高的指标进行因子分析,提取公共因子作为随机森林模型的输入,建立基于因子分析和随机森林的储层岩性判别模型.利用20组测井数据作为学习样本进行训练,并采用回代估计法进行检验,误判率为1/10.用另外8组数据作为测试样本进行模型检验.结果表明:所得判别模型泛化误差满足精度要求,检验结果的误判率为1/8.     

复杂岩性地区岩性识别与储层预测

中国陆相地层岩性成分较为复杂,岩性波阻抗值常呈多极分布。水动能强度的急剧变化、高频率的水进水退等沉积背景造成了薄互层广泛发育的特点。储层间干涉现象普遍存在,直接影响到地震岩性解释的精度。针对复杂岩性地区岩性–波阻抗关系复杂的特点,系统分析了造成传统地震储层预测方法解释误差的原因。根据复杂岩性的地球物理响应特点,选取对区分复杂岩性敏感的测井参数。同时,将90°相位化地震数据作为测井参数反演的相对波阻抗约束数据体。研究结果表明,该方法对复杂岩性进行了有效的区分,达到了精细描述复杂岩性地区储层空间发育及平面展布特点的目的。     

神经网络法在变质岩岩性识别中的应用

将神经网络方法引入到测井资料的处理和解释中,以辽河油田某取心井为实例,建立神经网络测井岩性识别模型,对混合花岗岩、混合片麻岩、角闪岩进行岩性识别预测。岩性识别正确率高达90%以上,说明了神经网络方法的有效性。     

基于PCA-SVM算法在岩性识别中的应用

针对岩性识别中传统方法识别率低且信息冗余的问题,建立PCA-SVM(主成分分析与支持向量机组合)岩性识别模型,即先利用主成分分析(PCA)进行参数处理,整合冗余,降低维数,后将处理得到的主成分作为支持向量机(SVM)测量模型输入的分类方法。在此过程中,优化主成分分析和支持向量机的参数,使模型具有较高的训练精度。结果表明,与传统的基于主成分分析的判别分析方法相比,预测结果与实际结果相比具有较好的一致性,识别准确率达100%。     

PSO-LSSVM分类模型在岩性识别中的应用

为了精确解决测井岩性识别问题,提出了一种将粒子群优化算法(PSO)与最小二乘支持向量机(LSSVM)相结合对实际测井资料进行岩性识别的方法.首先使用粒子群优化算法对LSSVM建模过程中的重要参数进行优化调整,然后利用参数优化调整后得到的具有较优分类效果的PSO-LSSVM模型对某油田的测井资料进行岩性识别.实验结果表明:同基于交叉验证的支持向量机模型以及单隐层的BP神经网络模型相比,该方法能够很好描述测井数据和岩性类别之间的非线性映射关系,识别精度高,并提高了算法的自动化程度.     

模糊识别方法在储层识别中的应用

以储层测井信息所反应的储层地质特性—一种模糊信息为基础,利用模糊识别方法,建立了吐哈油田各种储层测井信息的模糊隶属函数和隶属方程;所得隶属度的大小可以用来判断储层的所属类型。虽然建模过程中需要较多的建模样本,但模糊识别方法是一种多参数方法,它具有思想简单、计算速度快、模式识别符合率高等特点。     

基于核Fisher判别的致密碎屑岩岩性识别

致密碎屑岩储层具有致密、低孔隙和非均质性强等特点,岩性识别是储层预测中的难点之一。文章针对这一问题,提出将核Fisher判别方法用于致密碎屑岩储层的岩性识别,结果表明核Fisher判别方法能有效的识别川西XC地区致密碎屑岩中的砂岩和粉砂岩。     

随机地震反演在岩性油气藏储层预测中的应用

随机反演突破了地震频带宽度的限制,可获得高分辨率的地层波阻抗资料,具有纵向分辨率较高且不完全受井分布控制等优点。随机地震反演不仅可以获得高分辨率波阻抗资料,还可以得到伽玛、孔隙度等储层物性参数,具有更直接的岩石物理意义。实例应用表明,利用该方法得到的反演结果精度更高,储层预测效果更好。     

量子神经网络在雷家地区岩性识别中的应用

雷家地区砂砾岩储层岩性复杂多变,因此准确的识别岩性对于储层参数的计算有着非常重要的意义。本文以量子神经网络为根据,建立了一种基于量子神经网络的岩性识别模型。并且将所建立的模型用于模拟雷家地区砂砾岩储层测井响应与不同岩性之间的映射关系,来实现复杂岩性条件下不同岩性的自动识别。     

基于 LVQ 过程神经元网络的储层岩性识别

针对基于取心井岩心分析数据和测井过程数据的储层岩性判别问题, 建立了一类学习向量量化过程神经 元网络模型(LVQ-PNN: Learning Vector Quantization Process Neural Network)。 该模型通过增加输出层, 扩展了 自组织过程神经元网络的深度结构; 采用无监督竞争与有教师示教相结合的算法策略, 提高了多维信号特征的 自适应提取和自组织综合能力。 实验证明, 该方法具有较好的岩性特征综合和辨识能力, 岩性识别率达到了 84. 7%。     

模糊贴近度在储层识别中的应用

为了克服测井解释中通常采用的最大隶属原则进行决策分析导致信息丢失所引起的判别结果的偏差,将模糊数学中的非对称贴近度分析法与神经网络结合起来,充分利用各分量信息建立了一种基于模糊贴近度的神经网络识别法。通过临盘油田实际资料解释表明,在储层识别中采用该方法可大大改善解释效果。     

SOM神经网络在储层流体识别中的应用

自组织特征映射（ＳＯＭ）神经网络能通过自组织有效地提取出各特征参数间的内在特征并映射到分类模板上，它可以用于各种模式识别问题。本文首次将ＳＯＭ网络引入到储层流体识别中，经研究表明其精度高于传统方法，说明该方法在解决复杂分类问题上的有效性和先进性，它在储层流体识别中的应用是成功的，值得推广。     

自组织特征映射神经网络在岩性识别中的应用

传统的岩性识别技术主要基于统计学理论,如贝叶斯方法、回归方法等,近年来人工神经网络方法如反向传播算法(Back-Propagation, B-P)也应用于岩性识别,取得了一定的效果。用Kohonen提出的自组织特征映射神经网络对测井数据进行岩性识别,该方法具有较强的自组织性、自适应性,有较高的容错能力。与B-P算法相比较,计算量小,收效速度快,且不需要已知的先验信息而自动确定分类类别。结果表明与统计方法、岩性录井分析结果一致。     

聚类和判别分析在测井岩性识别中的应用

应用多元统计方法和计算机技术对测井数据进行岩性识别.以济阳坳陷中的某钻井测井资料为例,首先进行了层次聚类和k-means聚类分析,然后根据聚类分析结果进行判别分析,两种统计方法相结合识别钻井岩性,得出了预测岩性剖面和录井剖面基本吻合的综合柱状图.结果说明,聚类分析和判别分析相结合的定量方法在测井岩性识别方面具有实用价值.     

一种遗传神经网络及其在岩性识别中的应用

针对ＢＰ网络存在易陷入局部极小和收敛速度慢的问题,本文根据遗传算法的特长,在网络学习算法中使用遗传算法,克服了上述弊端,在岩性识别的样本学习中,取得了较好的结果。     

拟电阻率重构在岩性油藏油层识别中的应用

针对地震属性难以有效区分油、水层的难点,采用测井曲线重构方法刻画岩性油藏有利油层分布。通过对春光油田春22井区现有测井资料与含油砂体的统计分析,认为电阻率曲线对油层更为灵敏。在此基础上,通过井震结合,采用多属性线性回归和概率神经网络重构拟电阻率曲线来识别油层。实例研究结果表明概率神经网络预测的拟电阻率曲线精度高,更能有效识别岩性油藏油层的平面展布。     

基于核Fisher判别的复杂储层岩性识别

复杂储层中多种岩性均可作为储层,不同岩性的物性特征差异较大,分岩性解释复杂储层物性是求准物性较为有效的一种方法,但是不同岩性的测井特征相近,常规线性分类方法识别效果不理想,因为复杂储层的岩石识别中非线性分类特征占较大比例。针对这一问题,本文将Fisher判别分析(FDA)做核推广,形成核Fisher判别分析(KFDA),进一步利用Fisher判别中未提取的非线性信息,通过升维获得更多的非线性分类特征,然后再通过降维来提取利于岩性分类的特征。文章通过实验对核Fisher在数据预处理、关键参数的选取等方面进行了详细介绍,并将核Fisher方法与其它分类方法进行比较,验证了核Fisher方法的岩性识别能力,而对于不同岩性间的差异相似关系,造成岩性识别精度低的情况,提出了分级核Fisher判别分析的思路,研究证明利用分级核Fisher判别分析的思路可进一步提高岩性的识别精度。     

基于PCA-BP神经网络的非常规储层岩性识别研究

岩性识别一直是储层测井解释的关键问题和难点之一。针对常规测井岩性识别准确率不高的状况,在分析测井资料的基础上,以Matlab为平台研究了基于主成分分析的PCA-BP神经网络,并以济阳坳陷非常规储层实际测井资料为样本,通过设计算法步骤进行了实验仿真。由仿真结果得出非常规储层岩性识别率为95.8%,高于BP神经网络,PCA-BP神经网络有效提高了识别率和运行速度。经过对济阳坳陷钻井的岩性识别表明,该岩性识别方法可行并具有实用价值。     

塔南凹陷复杂岩性低渗透储层测井岩性识别

岩性识别是复杂岩性低渗透油藏高效开发中的关键地质难题,以塔南凹陷白垩系为例,探索了复杂岩性地层
的测井岩性识别方法。研究区白垩系正常陆源碎屑和火山碎屑物质同时沉积,铜钵庙组发育凝灰质砂砾岩、凝灰质砂
岩、沉凝灰岩、凝灰岩、砂岩、砾岩和泥岩7 种岩性类型,岩性复杂,储层物性差,岩性与电性对比度低。在不同岩性地
层测井响应特征研究的基础上,选择4 种测井曲线进行岩性综合解释,采用Fisher 判别方法达到减小同类岩性地层测
井响应差异,并增大不同岩性测井响应差异的目的,建立了研究区7 类岩性的判别函数,实现了非取芯井的测井岩性
识别,识别正确率达到98.1%,解决了复杂岩性低渗透储层中的测井岩性识别难题,为油藏开发提供了技术支持。