神经网络技术在油田地质学领域中的应用——以测井岩性识别为例

论述了神经网络技术的原理、模型及其算法，并进一步指出了应用神经网络技术中的局限性和其相应的解决途径。其中包括有数据的准备、模式的扩展、隐层数目的选择和计算过程中涉及的权值、步长、动量因子、压缩因子的处理。最后以神经网络在测井岩性识别中的应用为例进行了论证。     

基于改进随机森林的火山岩测井岩性识别

准噶尔盆地石炭系火山岩岩性复杂,在某种岩性薄片、岩心等资料数量明显少于其他岩性时,常规方法划分岩性存在困难。为了解决上述问题,提高火山岩岩性识别精度,运用合成少数类过采样技术(synthetic minority oversampling technique, SMOTE)算法增加少数岩性类别样本数量,解决数据不均衡问题;通过网格搜索和K折交叉验证法确定最优参数组合,开展基于改进随机森林的火山岩岩性识别研究。通过分析火山岩岩心、薄片、测井响应特征等资料,建立了岩性交会图版,确定了研究区对岩性敏感的测井参数重要性程度。实例资料应用表明,改进的随机森林算法有效地解决了传统随机森林算法受岩性样本类型不均衡及数据量较小的影响,火山岩岩性识别准确率由87%提升到了94%,为不均衡样本情况下火山岩岩性识别提供借鉴。     

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。     

基于深度学习岩性分类的研究与应用

岩性预测,特别是致密储层的岩性预测,是石油勘探的一项重要基础任务,因为岩性数据对于地层对比、沉积模拟等地质工作的分析是必不可少的.因此,如何获取可靠的岩性信息逐渐成为地球科学研究的热点.面对大部分老油田由于仪器、井历史长等原因使得部分测井数据丢失,特别是岩性数据;新开发生产井,钻井取心需要投入巨大的成本、人力和物力;这...     

测井资料的自动分层和岩性识别

介绍了用测井资料进行相分析中的自动分层和岩性识别技术。采用的分层方法为最优分割法,岩性识别用统计分类中的贝叶斯判别法则。通过实际资料的处理解释,取得了与钻井地质剖面吻合良好的结果。     

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.     

三塘湖盆地火山岩岩性测井识别方法

火山岩岩性的准确识别是火山岩储层描述与评价的基础。通过对三塘湖盆地火山岩测井相应特征进行的分析归纳,建立了火山岩岩性识别流程。首先利用取芯井段标定准确岩性,然后利用交会图法、模糊聚类分析法以及微电阻率成像测井资料对研究区内储层岩性进行综合识别,将研究区岩性划分为火山熔岩、火山碎屑岩、火山碎屑沉积岩和沉积岩4大类、11小类。通过22口井的资料进行处理验证,岩性识别符合率平均达84.7%。     

车排子地区东北部火山岩岩性-测井相特征及识别

基于岩心观察、薄片鉴定、常规测井及成像测井等资料,以车排子地区东北部石炭系发育的6种优势岩性为研究对象,通过对不同岩性的测井响应参数特征、测井曲线特征及成像图形特征的分析和探讨,明确了研究区6种优势火山岩的岩性-测井相特征.在此基础上,综合考虑火山岩成分、结构及识别的方便程度,利用成像测井法、多参数交会图法及Fisher判别法,建立了一套适用于该地区火山岩岩性测井识别的图版和标准,并将最终识别结果与岩心鉴定结果进行对比验证,准确率达到85%以上.     

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.     

基于SSA-BP神经网络的岩性识别研究

为提高岩性识别的精度,引入SSA算法解决BP神经网络的性能受连接权值cj、ωij和连接阈值ε、θj的影响较大的问题,对网络连接权值以及阈值进行选择性优化,提出一种基于SSA-BP的岩性识别方法.将声波、补偿中子、微电极2 m梯度、井径、4 m梯度、2.5 m梯度、感应电导、浅侧向和微电极差等9项指标输入SSA-BP算法...     

基于多种群共生进化的RFID网络优化

在RFID(radio frequency identification)网络实际大规模部署与应用方面,如何有效地进行RFID网络规划,使网络资源得到优化分配,在保证高读取率和网络负载平衡的前提下,减少读写器冲突,提高标签读取率是决定RFID系统服务质量的关键问题.分析了RFID网络规划和RFID网络环境下的读写器防冲突问题,对两类问题分别建立了相应的数学优化模型.基于生态系统中的不同物种间的互利共生现象,提出了一种多种群共生进化优化算法SMSO(symbiotic multi-species optimization).试验结果表明,将该算法应用于RFID网络规划与防冲突问题,体现了进化的多样性和多层次性,在寻优能力、收敛速度以及克服早熟收敛等方面均具有很好的性能.