地球物理测井多参数综合识别储层流体类型的新型神经网络

建立了一种基于引力的新型神经网络模型 ,引入了合力作用机制 ,解决了储层流体类型划分的判定半径问题 ,克服了以往神经网络对任何输入数据都要产生响应 ,并给出一个分类结果的缺陷。改进了传统的距离计算方法 ,克服了传统方法易受单个参数突变的影响而引起误判的缺点。利用新型神经网络方法并结合测井资料 ,对某油田的储层流体性质及类型进行了识别 ,获得了很高的识别率。与径向基神经网络的判别结果相比 ,该神经网络的识别率明显提高。     

基于区域背景的人机联作多井解释软件系统

为了避免单井解释与宏观地质背景脱节的弊端,采用面向对象技术对测井资料多井评价系统进行了分析。在开发基本构件类的基础上,建立了在区域背景下以求解井筒解释参数为主要目标的多井交互解释系统。在大庆、胜利、新疆等油田诸多区块的初步应用结果表明,该系统具有较好的实用性。     

多层非均质油藏双分支井产能影响因素分析

针对多层非均质油藏地层之间压力不平衡的特点,建立了多分支井半解析产能预测模型,分析了双分支井产能的影响因素。结果表明,由于分支之间存在干扰,分支夹角越小产能损失越大;两个分支所在地层的条件差别越大,产能高的分支越不易发挥最大潜力,从而影响总产量;井筒中摩擦压降和汇合点处的压力损失对分支井的产能的影响不大。因此,在设计双分支井时,应尽量增大分支之间的夹角,分支汇合点尽量远离油层;分支井的井底流压不大于任何一个分支处的地层压力;两个分支应尽量选取生产压差接近的油层,这样就可以使两个分支都能发挥产能潜力。     

基于信息熵识别油气层和水层的聚类方法

简要地介绍了不确定性、信息熵、联合熵、条件熵、互信息的基本概念。将地层含有某种流体属性(如油层)的特征参数的概率分布应用于联合熵中,提出其概率分布是特征参数X与流体的特征参数Y的距离函数,再用熵与条件熵之差计算得到的互信息去识别地层的流体属性,即提出了基于信息熵识别油气层和水层的聚类方法。利用实际测井资料提取了油气层和水层的特征参数,并利用聚类方法识别出油气层和水层。识别结果与试油结论相符。该聚类方法不仅可用于识别油气层和水层,还可推广应用于划分地层岩性等领域。     

基于可接受性标准的复杂产品仿真系统在线评估框架

针对当前复杂仿真系统评估的滞后性问题,提出了基于可接受性标准(Acceptability Criteria,AC)的仿真在线评估方法。通过定性和定量AC到指标的映射模型来建立评估指标体系;引入指标集和评估函数,提出了仿真评估流程有限自动机七元组模型,给出仿真流程到评估自动机的映射关系和基于数据驱动的状态转移机制,实现评估过程自动化执行过程;基于上述成果设计了在线评估工具,通过案例验证了在线评估方法的有效性,表明该方法能够有效解决仿真系统评估滞后性问题。     

三角网格模型五轴加工刀轴矢量调整及优化

为消除全局干涉,提出了一种基于K-D树及刀具离散的高效刀轴矢量调整算法.算法首先以有限个点离散表示刀具,然后利用K-D树快速查找刀具的可能干涉点,并在此基础上计算调整后的刀轴矢量.为避免过大的刀轴矢量突变,提出一种分角度区域方法优化刀轴矢量.实例验证表明:算法能够高效实现全局干涉避免及刀轴矢量优化.     

高密度电法在WLQC工地废弃水井探测中的应用

在WLQC工地建设工程中,利用高密度电法对工地废弃水井进行探测,运用合理观测方式,结合高密度反演软件处理解释,查明了废弃水井的空间范围及其对施工的影响,取得了良好的地质效果.通过探测及时排除了给施工单位人员、设备带来的安全隐患并且为建设单位的设计提供了依据.实验结果表明在遇到水泥预制,场地勘探空间受到极大限制等施工工地的问题的勘测工作中,高密度电法具有成本低、效率高、效果好、显示直观等特点,不失为一种值得大力推广的好方法.     

不同钻具在松软煤层打钻成孔研究

在介绍赵庄矿井煤层赋存概况的基础上,简述了软煤层施工瓦斯抽放钻孔现状,通过对赵庄矿不同钻具打钻方案的比较,指出50mm×1 000mm的浅槽螺旋钻杆具有较好的打钻效果.     

超声电视成像测井中图像异样点修复处理改进方法研究

针对超声成像测井中因各种不确定因素而导致测井图像中出现异样点的现象，通过分析目前清除异样点所采取的常规方式的不足，提出一种能够有效解决此类问题的全变分修复算法；该方法先于选定区域内依据阈值大小识别待修复的异样点，随后采用该修复算法对此进行修复；并分别将其应用于标准测井图像与实际测井资料处理中并进行效果比对；实践证明：该算法能够完全恢复其图像的原始特征，为后期图像资料中此类状况的修复处理提供了有效的解决方案．     

基于IFCM-GRA的空间多维热误差温度测点优化

热误差是精密、超精密加工中主要的误差源之一,热误差温度测点优化是热误差补偿的关键问题.在机床空间多维布置的大量温度测点之间存在多重相关性,从众多测点中选取特征点的优劣程度,将直接影响到热误差补偿效果.通过对温度测点间多重相关性及温度与热误差关系的综合分析,采用改进的模糊C-均值(IFCM)聚类算法对温度测点进行聚类,以减小类与类之间温度测点的相关性,且避免FCM算法对初始聚类中心敏感易局部收敛的缺点.对温度测点按灰色关联分析(GRA)中的灰色综合关联度进行排序,从变化量和变化率的角度综合反映温度与热误差的关系.采用IFCM-GRA对温度测点进行优化,提高了热误差模型的鲁棒性及准确性,使温度测点数量大幅度减少.在某型号精密卧式加工中心上进行实验,温度测点从17个减少到4个.在不同转速下,利用多元线性回归对优化出的温度测点与热误差建立模型,所建立模型均能很好地预测热误差变化情况,经对预测模型分析,轴向热误差由几十微米减小到5μm以内.