共查询到19条相似文献,搜索用时 109 毫秒
1.
2.
正态分布在基于BP人工神经网络识别火山岩岩性中的应用 总被引:1,自引:0,他引:1
基于测井资料的BP神经网络法识别火山岩岩性应用比较广泛。若网络训练样本本身存在问题,将导致网络不易收敛、精度低。合理确定训练样本的输入值和期望输出值尤为重要。通过对大量的火山岩测井数据进行处理分析,发现部分测井响应特征参数在不同测段内基本上服从正态分布规律,据此应用正态分布理论。给出了合理确定训练样本方法和计算公式。计算结果表明,利用该方法进行火山岩岩性识别是可行的。该方法对其他相关领域也具有参考价值。 相似文献
3.
基于测井参数的遗传BP神经网络识别火山岩岩性——以准噶尔盆地西北缘中拐凸起石炭系火山岩为例 总被引:1,自引:0,他引:1
准噶尔盆地西北缘中拐凸起石炭系火山岩储层岩石类型复杂多样,既有火山熔岩、火山碎屑岩,又有侵入岩,造成该区岩性识别难度较大。为此,引入了遗传算法的BP神经网络,遗传BP神经网络是以自身特有的样本学习能力获得识别模式,识别结果客观可靠。利用测井参数对中拐凸起石炭系火山岩储集层的岩性进行识别研究,选取典型井的测井参数训练遗传BP神经网络,以获得网络神经元的连接权值。获得满意的权值后,通过输入其他已知井的测井数据对其进行检验,检验结果表明,该方法识别火山岩岩性的可信度高,具有较强的可行性。 相似文献
4.
基于主成分分析的SOM神经网络在火山岩岩性识别中的应用 总被引:3,自引:0,他引:3
针对火山岩储层岩性识别难的问题,提出一种将主成分分析和SOM神经网络相结合对测井资料进行处理的岩性识别方法.主成分分析能较好地提取表征样本的少数几个独它的综合指标,从而能够消除神经网络输入间的相关性,降低神经网络的输入维数,简化网络结构,加速网络收敛速度,从整体上提高网络的性能.针对松辽盆地徐家围子地区内有薄片分析及全岩分析的325块岩样,单独使用主成分分析方法的岩性识别正确率为79.38%,单独使用自组织神经网络方法的岩性识别正确率为82.15%,结合上述2种方法的岩性识别正确率为87.38%.由此在实际处理20口井火山岩层段时,将原始测井数据通过主成分分析进行精简处理,然后再通过SOM神经网络进行识别分类,最终厚度符合率为85.2%,从而为利用常规测井资料识别火山岩岩性又提供一种有效方法. 相似文献
5.
6.
徐深气田火山岩储层岩性与流体性质测井识别研究 总被引:5,自引:0,他引:5
在充分考虑火山岩储层特征和地层非均质性的基础上,运用常规测井信息、气测录井及测井新技术对火山岩储层进行综合评价。应用岩心观察、薄片分析、扫描电镜等资料,采用交会图法、主成份分析等方法,对火山岩储层进行了岩性识别;应用试气、测井、气测录井等资料对储层流体性质进行了判别。 相似文献
7.
8.
9.
10.
11.
川西南井研地区二叠系火山岩分布稳定,地震反射特征整体呈“两强波峰夹一波谷”,火山岩内部发育两套储层,且上部储层由厚度小于7 m的多个薄层组成,受地震分辨能力限制,常规地震属性和波阻抗反演等方法均不能精确识别两套储层及其分布。利用孔隙度可表征储层特征且与波阻抗具有良好拟合关系的特点,提出采用拓频地震数据和神经网络孔隙度非线性反演技术预测火山岩上、下储层。地震数据经谱分解处理后得到低、中、高频数据体及其对应的分频地震属性,通过神经网络反演建立分频地震属性与孔隙度的非线性映射关系,进而得到高分辨率的孔隙度反演结果。综合预测结果表明:神经网络反演结果与实钻井吻合;纵、横向分辨率明显提高,能有效识别井研地区火山岩两套储层在纵向上主要发育在中、下部,平面上主要发育在工区西部。研究结果可指导后期勘探评价或开发井部署。 相似文献
12.
牛东区块石炭系卡拉岗组火山岩储层预测研究 总被引:1,自引:0,他引:1
三塘湖盆地上石炭系卡拉岗组火山岩风化壳储层是吐哈油田近年来油气勘探的重要目标。根据该区钻测井资料揭示的火山岩风化壳剖面以及其岩石学特征、物性特点,选取该区块火山岩储层较为敏感的自然伽马曲线、声波曲线、深侧向电阻率曲线,构建具有声波量纲的拟声波曲线,采用基于模型道的地震波阻抗反演,从地质模型出发,应用模型优选迭代扰动算法通过空间地质建模、波阻抗反演、参数反演和平面综合分析研究,预测有效储层的分布。地震反演和储层预测的结果认为:牛东地区火成岩有效储层分辨率中等偏下,常规波阻抗体能分辨出大套的低阻抗体,而对较薄的有效储层分辨率很差;而储层特征自然伽马反演体分辨率比常规波阻抗体的分辨率高,与钻井储层对应关系较好,能较好分辨出安山岩、玄武岩储层。 相似文献
13.
碳酸盐岩薄片中的生物化石识别对判断沉积环境研究具有重要的意义,但传统的人工鉴定方法对经验要求高,受主观影响较大。该文提出一种基于ResNet卷积神经网络的碳酸盐岩生物化石显微图像识别方法,通过图像预处理、设计模型、训练模型等步骤,实现了薄片图像中生物化石的智能识别,识别准确率为86%;并同时提出进阶YOLO(You Only Look Once)目标检测模型,可实现薄片图像中生物化石所在区域的检测和识别,识别准确率为85%。该方法验证了使用数字图像处理和深度学习方法对碳酸盐岩生物化石显微图像进行智能识别的可行性,可作为传统人工鉴定方法的有益补充,具有一定的实际应用价值。 相似文献
14.
15.
提出了用9种火山岩的岩石类型描述火山岩储层岩性的模型,表达岩性对优质储层的控制作用。基于该模型,选取了对火山岩的岩性、组构、成因和孔隙结构反应灵敏的15种岩石物理测井参数,分别采用多元回归分析(MRA)、人工神经网络(ANN)和支持向量机(SVM)3种机器学习算法,尝试火山岩岩性的识别。在三塘湖盆地马朗凹陷牛东油田的实例中,使用了3口井的数据,其中N9-10井和N9-19井的火山岩储层为学习样本,N8-10井的火山岩储层为预测样本。利用N9-10井1361个样本和N9-19井881个样本(每个样本含15种测井参数及岩性),通过这3种机器学习算法分别获得预测火山岩岩性的知识;然后,利用N8-10井961个样本(每个样本仅含15种测井参数),根据上述学习获得的知识,得到这961个样本的岩性。研究发现:对于学习样本,MRA、ANN和SVM的计算与实际的平均相对误差绝对值分别为51.84%,48.66%和0;对于预测样本,则分别为52.44%,46.31%和6.30%。实例分析表明,只有SVM适用于本实例,这是由于火山岩岩性与15种岩石物理测井参数的非线性关系十分强烈。 相似文献
16.
基于参数优化AdaBoost算法的酸性火山岩岩性分类 总被引:1,自引:0,他引:1
岩性识别是火山岩油气藏勘探的基础,为提高长岭气田火山岩岩性识别的准确率,采用决策树、支持向量机、逻辑回归、AdaBoost-决策树、AdaBoost-支持向量机和AdaBoost-逻辑回归6种算法,对研究区酸性火山岩岩性进行分类与识别。通过分析研究区火山岩不同岩性的测井响应特征,选取了对火山岩岩性、组构和孔隙结构反应灵敏的12种岩石物理测井参数作为分类特征量。选择3口井中岩心分析和岩矿录井资料完整的7 150个测井数据作为数据集,并从中随机选取70 % 的数据作为训练集建立岩性识别模型,剩余30 % 的数据作为测试集。对6种算法建立的模型通过交叉验证进行参数优化及模型评价,对比不同算法与录井剖面的结果表明,AdaBoost-决策树算法可作为长岭气田利用常规测井资料识别火山岩岩性的有效手段,准确率可达90 % 以上。 相似文献
17.
基于岩石力学参数评价火山岩裂缝发育程度 总被引:4,自引:0,他引:4
裂缝性油气藏研究中,裂缝识别一直是测井解释的一个难点,常规测井方法识别裂缝的精度不能满足油气勘探开发的需求。而岩石力学参数揭示了地质历史时期裂缝成因类型、空间分布和形成的力学机理,从一定程度上反映了裂缝的发育程度。在对准噶尔盆地40块岩样进行岩石力学参数室内试验的基础上,利用弹性模量、体积模量、剪切模量等岩石力学参数来构建能够较好反映裂缝发育程度的岩石完整性系数、裂缝发育程度指标、岩石稳定系数3个计算模型,并将模型程序化,利用此3个评价指标来对火山岩的裂缝发育程度进行逐点自动处理识别。识别结果与岩心描述、成像测井对比表明,该方法能够较准确地对火山岩的裂缝进行识别且精度较高、实用性强,能满足火山岩地层裂缝测井识别精度的要求。 相似文献
18.
19.
松辽盆地火山岩岩性识别中测井数据的选择及判别方法 总被引:1,自引:0,他引:1
依照松辽盆地深层火山岩岩性分类方案中的二级分类类型,对32口有准确岩心薄片定名资料的火山岩井段测井响应特征进行了总结,根据各测井响应区间值建立一个假设随机样本,应用逐步判别分析方法,在多个测井参数中按其对岩性分类判别能力的大小进行筛选,最终选取钾、铀、光电吸收截面指数、中子及自然伽马5个具有显著判别能力的参数,并在Bayers准则下建立判别函数,选择分类效果明显的两个判别函数建立岩性识别图版,克服了测井参数引入过多对岩性识别模型的不利影响。利用上述方法对松辽盆地徐家围子断陷火山岩井段的50个资料点的实测数据进行了处理,其回判数点正确率为88%。 相似文献