基于ATD-BP神经网络的页岩气产量预测方法

储层改造是页岩气开发的关键步骤,根据储层改造数据进行页岩气井产量预测,对后续施工优化有重要指导意义。然而,储层改造数据与气井产量间呈非线性相关关系,不适用于传统线性预测方法。且储层改造数据存在有效数据较少、噪声数据占比较大、维数较高等问题,不适用于受噪声影响较大的传统BP神经网络非线性预测方法。由此,本文提出一种页岩气储层改造产量预测方法,首先利用自适应阈值去噪(adaptive threshold denoise,ATD)算法去除噪声,再运用BP神经网络对储层改造数据进行非线性拟合,得到页岩气井产量预测模型。实验表明,相比传统的BP神经网络,本文所提方法能够有效提高预测的准确率和稳定性。     

基于残差神经网络的滚动轴承故障诊断方法

针对轴承故障诊断方法在变工况条件下诊断效果不佳的问题,提出了一种基于残差神经网络的滚动轴承故障诊断方法.该方法首先以滚动轴承时域信号数据作为输入,针对信号的时变性改进了数据池化层,改进的数据池化层利用三个连续的卷积层串联构建而成,目的在于能够有效地提取振动信号中的故障特征信息,并减少残差神经网络中参数的计算量;然后设计了一种空洞卷积和残差块相结合的空洞残差块,用于特征信息的学习;最后通过在全连接层后加入Dropout层丢弃一定比例的神经元,能有效避免过拟合的负面影响.使用凯斯西储大学轴承数据集进行仿真实验,与SVM+EMD+Hilbert包络谱、BPNN+EMD+Hilbert包络谱和Resnet三种方法作对比分析,结果表明该方法在变工况下的滚动轴承故障诊断中具有更高的诊断准确率、更强的抗噪性和泛化能力.     

FL地区页岩气“甜点”地震预测技术——以FL地区自流井组大安寨段为例

川东南FL地区大安寨段页岩气具有广阔的勘探潜力。寻找富含有机质暗色泥页岩,预测有利压裂品质区是本文研究的重要目的。本文以地震资料为基础,在构造解释的基础之上,采用SPSS测量数据编制目的层埋深图,利用三维地震资料进行储集层精细标定,确定储集层的地震响应特征;采用地震相平面分析技术,划分沉积相带;应用曲率分析、应力场数值模拟以及叠前纵、横波阻抗联合反演技术,预测有利压裂品质区,建立了一套预测页岩气"甜点"的技术方法,通过与已完钻井资料的对比,证实了预测结果的正确性。     

基于匹配追踪算法的高精度页岩气“甜点”识别

中国页岩气资源开发近年来已取得了许多阶段性进展,但因勘探开采成本高、风险大,因此在钻井资料较少的情况下,充分利用地震资料的横向变化特征,精确刻画页岩气"甜点"区分布具有重要意义。常规叠后地震反演方法能够识别页岩层,但不能有效区分含气页岩层与非含气页岩层,而基于地震波衰减理论的流体活动因子能够有效表征储集层的渗透性,识别含气页岩储层。提出将流体活动因子与高精度匹配追踪算法相结合,在地震信号时频分解的基础上,建立含气页岩层与地震波衰减的联系,求取流体活动性属性,进而实现高精度页岩气"甜点"识别。该方法不受测井资料及构造解释的影响,能客观反映页岩层的含气性,适用于页岩气勘探初期钻探目标评价。理论模型试算和在中国南方复杂构造区海相页岩气勘探中的实际应用表明了该方法的有效性。     

基于残差神经网络的转子焊点图像检测方法

针对微型电机转子焊点检测费时费力且准确率低的问题,提出一种基于残差神经网络的转子焊点检测方法。首先运用网络预训练的方法加速网络训练,提高模型准确率;然后在网络中引入批量归一化,避免出现梯度消失;最后对图像进行数据增强,减少过拟合现象。实验表明,与K最近邻(KNN)等经典算法相比,该算法在测试集上的准确率达到91.5%,与工人检测的速度相比提高了3.5倍,具有很好的识别效果。     

基于深度残差卷积神经网络的高光谱图像超分辨方法

卷积神经网络由于其强大的非线性表达能力在自然图像的处理问题中已经获得了非常大的成功。传统的稀疏表示方法利用精确配准的高分辨率多光谱图像,从而限制了实际应用。针对传统方法的不足,本文提出了一种基于深度残差卷积神经网络的单高光谱图像超分辨率方法,无需对应的多光谱图像。我们构建深度残差卷积神经网络挖掘低分辨率遥感图像和高分辨率遥感图像之间的非线性关系。构建的深度学习网络串联多个残差块,并去除一些不必要的模块,如批标准化层,每个残差块只包含两个卷积层,这样在保证模型效果的同时又加快模型的效率。此外,因为遥感图像训练数据缺乏,我们充分挖掘自然图像和高光谱图像之间的相似性,利用自然图像样本训练卷积神经网络,进一步利用迁移学习将训练好的网络模型引入到高分辨率遥感图像超分辨问题上,解决了训练样本缺乏问题。最后,基于实际的遥感数据超分辨实验结果表明,本文所提出的方法具有良好的性能,能得到较好的超分辨效果。     

基于GA-BP神经网络的长宁地区页岩气水平井产能预测技术

准确预测页岩体积压裂井的产能是确定合理开发决策的重要前提。目前页岩气井产能预测主要基于理论模型,需要理想化假设条件和不易得到的参数,导致体积压裂前的产量预测精度不高。为此,通过数据挖掘技术直接从影响产能的参数入手,突破传统理论模型的局限,首先利用灰色关联度确定影响长宁地区57口页岩气水平井压后产量的主控因素及权重,然后基于遗传算法优化的误差反向传播(back propagation,BP)神经网络方法,建立页岩气水平井体积压裂产能预测模型。基于该模型,针对长宁地区已生产井数据开展现场应用。应用结果表明:工程参数主要影响页岩气水平井的初期产量,总有机碳含量(total organic carbon,TOC)、单井百米液量、单井百米砂量、脆性矿物指数等工程参数是影响页岩气水平井测试产量和3个月累产气量的主控因素;TOC、I类储层钻遇长度、孔隙度、含气量等地质参数是影响页岩气水平井1年累产气量的主控因素;基于长宁地区已生产井数据建立的页岩气水平井体积压裂测试产量预测模型的平均误差为8.76%,预测误差同比多元回归模型预测降低了47.79%;基于遗传算法-误差反向传播(genetic algorithm-back propagation,GA-BP)神经网络的产能预测技术具有操作灵活和预测精度高的特点。利用大数据分析和产能预测方法为长宁地区页岩气井的产能预测提供一种新思路,提高了产能预测效率,并有效地指导现场施工。     

基于RBF神经网络的页岩气丰度预测

对页岩气成藏条件进行分析认为,机质含量、类型、成熟度、储层厚度、埋藏深度和孔隙度等为影响页岩气成藏的主要因素;依据四川盆地和北美页岩气形成的地质条件的相似性和所收集的大量页岩气数据,利用RBF神经网络构建了各主要因素与资源量丰度的网络模型,并用MATLAB对网络模型进行训练。对Ohio和龙马溪组页岩资源丰度进行了预测,预测误差分别为27.5%和3.5%,表明RBF神经网络模型可较好预测页岩气产量,对页岩气开采和勘探具有参考价值。     

一种3D残差神经网络视频行人动作分类改进方法

对于视频行人动作分类方法中,卷积神经网络模型对时域信息理解能力不足的问题,针对拥有深层的3D残差卷积神经网络提出一种联合计算方法,使深层特征的时域信息差异与损失差异共同参与模型的梯度下降过程,提升网络所学特征对时域信息的稳健表达,改进网络对时域信息的理解能力。经仿真实验证明,3D ResNeXt-101网络在添加了联合计算方法后,对UCF-101和HMDB-51数据集的测试准确度都有不同程度的提升,网络模型的性能经由联合计算方法的辅助得到了增强。     

基于测井资料的页岩油储层甜点预测

页岩油储层甜点预测受很多因素的影响,明确其主控因素并赋以合理权重是快速、高效地进行甜点评价的关键。传统的页岩油甜点预测法在赋以权重以及划分标准方面不尽合理。为此,首先,采用灰色关联分析法进行主控因素分析;其次,利用复相关系数法对优选的主控因素按照其所属储层类型进行合理的赋值;最后,综合建立储层的地质工程甜点系数来实现页岩储层甜点的精准预测。以长庆油田陇东地区长₇段页岩油储层为研究对象,利用测井资料从烃源岩特性品质（SQ）、储层物性品质（RQ）和完井品质（CQ）评价方面优选了10个具有代表性的地质和工程甜点参数,并建立了工区页岩油储层地质工程双甜点评价标准：X_SQ>0.581、X_RQ>0.494和X_CQ>0.715,该标准预测得到的工区甜点与实际高低产区吻合度高,证实了该方法的准确性。本研究可为陇东地区长₇段页岩油储层的甜点预测和井位部署提供理论依据。     

BP神经网络在高速公路软土地基沉降预测中的应用

采用人工神经网络较强的非线性映射能力和学习能力,提出基于改进的BP神经网络预测盐淮高速公路的路基的沉降。利用实测沉降资料直接建模,避免了传统方法计算过程中各种人为因素的干扰,所建立的模型预测精度高、预测的沉降量误差小。     

鄂尔多斯盆地东南部延长组长7页岩气储层裂缝特征及其控制因素

鄂尔多斯盆地三叠系延长组发育多套富含有机质泥页岩,勘探实践表明页岩气勘探前景良好。裂缝研究是页岩气勘探开发研究的重要内容,其对页岩气勘探选区、压力造缝等具有指导作用。笔者通过野外地质调查、岩心观察、铸体薄片等手段,对鄂尔多斯盆地东南部三叠系延长组长7段裂缝特征进行了研究,分析了裂缝控制因素。分析了研究区三种不同尺度的裂缝：露头节理（裂缝）、岩心裂缝、微裂缝。研究结果表明,有机质丰度、矿物成分、岩性是裂缝发育的控制因素。     

基于波前快速推进法的页岩气储层动用预测

对非常规能源尤其是页岩气藏的开发越来越受到人们的重视,然而,目前对页岩气藏动用情况的预测还有待 提高。波前快速推进法是一种可以快速高效地预测波前运移情况的方法,在考虑页岩基质吸附解吸特性,及基质孔隙 中气体的滑脱作用影响的前提下,利用Van Kruysdijk 提出的多段压裂水平井的复合线性流模型,将储层划分不同的流 动区域,并分别建立基质与裂缝的程函方程,基于波前快速推进法求解程函方程,从而达到对多段压裂水平井页岩气 储层的动用进行预测的目的。绘制了储层动用情况与时间的关系图,对比了考虑解吸和滑脱与不考虑解吸和滑脱的 储层动用情况。结果表明,滑脱效应加快了储层的动用速度对储层动用影响较大,而解吸作用降低了储层的动用速度 对储层动用影响较小。     

人工神经网络在镀锌钢板点焊性能估测中的应用

将人工神经网络引入镀锌钢板点焊的质量预测中,将实验得到的大量点焊规范参数与相应点焊接头质量的试验数据提供给神经网络学习,通过其非线性映射的泛化能力自动抽取所学习知识的特征,描述点焊规范参数空间与焊点接头质量空间的映射关系。结果表明,学习后的神经网络的预测曲线能够合理地预测焊接电流对镀锌钢板点焊的焊点熔核直径与拉剪强度的影响规律,恰当地反映点焊的基本原理,说明人工神经网络在镀锌板点焊性能估测中的应用是可行的。     

基于残差修正的灰色神经网络在数据挖掘中的应用

针对时间序列数据样本少、部分信息未知的特点,提出将灰色理论与神经网络相结合构建灰色神经网络,充分利用两种方法的优势对小样本时间序列数据进行有效挖掘.为了提高模型的预测精度,提出利用残差对模型进行有效修正.实验分析表明,残差修正灰色神经网络具有较高的预测精度,适合于小样本时间序列数据的挖掘.     

页岩油气储层有机碳含量测井评价方法研究及应用

为解决页岩油气储层导电矿物、地层水矿化度、有机碳成熟度或含油气性等地质因素,造成传统有机碳含量评价方法无法应用或评价结果精度低的难题,研究依据岩石天然放射性差异,建立利用自然伽马能谱测井的总伽马(GR)与去铀伽马(KTH)曲线重叠准确识别富有机碳井段;进而结合钍铀比(Th/U),定量评价不同沉积环境页岩有机碳含量的方法。该方法在建模井区以外的海相页岩气储层与陆相页岩油储层均有较好应用效果,证明了该方法可操作性较强、通用性较好、评价精度较高,为复杂地质条件下页岩油气储层有机碳含量评价提供了有效技术手段。     

鄂尔多斯盆地山西区页岩气开发潜力分析

山西地处鄂尔多斯盆地东南缘,为分析鄂尔多斯盆地山西区页岩气潜力,通过野外地质勘查和取样,结合页岩沉积条件、有机质丰度、岩芯分析等实验结果,对鄂尔多斯盆地山西区页岩气资源储量进行了初步估算,结论认为山西省境内页岩气资源丰富,具有较强的开发潜力。     

浅层页岩气井全生命周期地质工程一体化应用

昭通国家级示范区太阳山地浅层页岩气田作为中国首个工业开发的大型整装浅层页岩气田,目前已进入规模商业开发阶段,证实了盆地外强改造复杂构造区浅层页岩气仍具有较好的勘探开发前景,对中国页岩气的发展具有重要的启示意义。基于太阳山地浅层页岩气田地质工程一体化高效开发创新实践,系统梳理和总结了地质工程一体化的核心内涵,形成了适用于山地浅层页岩气高效勘探开发的地质工程一体化工作方法。勘探开发实践经验表明,基于地质工程一体化综合评价理念,通过一体化评价实施平台,一体化协同地对浅层页岩气井全生命周期进行质效把控,针对地质工程“4Q”品质,即：储层品质（RQ）、钻井品质（DQ）、完井品质（CQ）及开发品质（PQ）进行实时动态评估与生产制度优化调控,进而实现气井提质、工程提效、单井提产。