基于随机森林的不可靠数据化工过程故障诊断方法

针对化工过程的监测数据存在数据缺失、漂移和卡死等不可靠现象可能严重影响故障诊断的准确性问题,提出了一种基于随机森林(RF)的故障诊断方法。利用训练集对RF分类器进行训练和调优,得到最优的RF分类器模型,确定决策树数量和随机属性个数,最后将存在不可靠变量的测试集数据输入RF分类器模型,利用随机森林方法的强抗干扰能力,实现对存在不可靠数据的化工过程进行诊断。将该方法应用到田纳西-伊斯曼(TE)过程的故障诊断,并与反向传播神经网络(BPNN)、径向基函数神经网络(RBFNN)和深度信念网络(DBN)方法相比,结果表明,基于RF的故障诊断方法能在数据不可靠的条件下,更加有效地检测并识别故障类型,在实际工业环境的应用中具有一定的优越性。     

数据驱动型层间多次波预测方法研究

采用表面相关的多次波预测算法（SRME）时,对于层间多次波,是将表面接收到的波场利用基准面重建或CFP算子延拓到产生层间多次波的界面,然后利用SRME方法预测,该方法的缺陷是需要知道产生多次波层界面以上的速度模型。而数据驱动型层间多次波预测（IMP）算法是将层间多次波分解为三个波场分量,即无层间多次波的一次反射波,产生层间多次波界面的一次反射波,及该层界面以下的总反射,此三个波场通过互相关和褶积即可预测出层间多次波。第二个分量和第三个分量均可通过简单的切除得到,第一个分量可通过类似于SRME的基于最小平方能量准则的自适应迭代算法得到,其初始值与第三个分量相同,因此该方法是完全数据驱动的。模型数据试验表明,该方法可有效地预测层间多次波。     

最大熵谱分析技术在大安油田J南区块小层划分与对比中的应用

在松辽盆地南部大安油田J南区块扶杨地层对比与划分的研究中,常规测井曲线分层标志不明显。为提高小层划分和对比的准确性,以高分辨率层序地层学理论为基础,利用最大熵谱分析技术,对自然伽马曲线进行最大熵谱分析(INPEFA)处理。INPEFA曲线能够显示通常在原始测井曲线中无法显示的趋势和模式,提高了层序地层划分的纵向分辨率,清楚地识别出研究区泉四段和泉三段顶底界面及各油组界面。通过连井对比,将扶杨油层划分为1个长期基准面旋回,6个中期基准面旋回和21个短期基准面旋回,建立了扶杨油层短期旋回级别的高分辨率等时地层格架,为储集层综合评价和精细三维地质建模方法的选取及模型的精度提供了地质依据。     

基于机器学习的火山岩岩性智能识别及预测

针对准噶尔盆地金龙2井区佳木河组火山岩油气藏岩性多变,常规方法难以准确识别的问题,利用机器学习中的决策树、随机森林、梯度提升树、贝叶斯4种算法对研究区岩性进行智能识别,在分析研究区火山岩储层地质特点的基础上,结合不同岩性测井响应特征,确定M、N等8个对火山岩岩性极为敏感的特征参数。研究结果表明：随机森林法模型最优,准确率达到90%以上,模型泛化能力最强,可作为利用常规测井曲线识别火山岩岩性的有效方法。该模型可以高精度地进行火山岩岩性识别及预测,为后续火山岩油藏的勘探与开发奠定基础。     

基于随机森林算法的环焊缝质量不合格性分析预测

油气长输管道环焊缝一直以来是管道的薄弱环节,容易发生失效。根据环焊缝开挖数据,对大量环焊缝相关数据进行了预处理,并采用机器学习中的随机森林方法对主要因素进行了分析,建立了环焊缝质量不合格性预测模型,并通过不同算法模型进行了验证。结果表明,构建的模型可以实现环焊缝质量不合格预测。对环焊缝的数据分析和机器学习模型的构建,可以提高环焊缝开挖准确率,节省开挖费用,为后续开挖和修复工作提供技术支持。     

基于-次波逆时理论的层间多次波衰减方法

针对层间多次波与-次波的动校正速度差异较小,应用基于动校速度差异的常规方法无法将层间多次波彻底去除的难题,本文对基于波动理论的层间多次波预测相减方法进行了研究。通过对地震数据进行-定的前期处理,选定某-地层,并沿该层面进行褶积运算,预测与其相关的所有层间多次波;然后应用传统的最小二乘自适应相减算法,压制层间多次波。模拟数据的测试结果验证了方法的有效性。     

基于区块链的智能油气田数据生态建设方法

智能油气田数据生态建设是目前油气田生产企业开展智能化运营与管理的核心任务,而区块链技术能为数据生态建设的数据质量控制问题、关联与存储问题、安全与共享问题等提供新的解决方法.通过对区块链技术在智能油气田数据生态建设中的应用要点进行研究,提出了可信、可靠、共享与安全的智能油气田数据生态建设思路.基于区块链技术开展智能油气田...     

基于扩散滤波方法的小断层识别技术

扩散滤波技术是-种能保留倾角和地层接触关系反射信息的滤波方法,去噪功能强,有利于提取表征岩相的地震地貌信息。据涠洲A油田开发证实,小断层解释的准确性是增产的关键问题。文中通过对该区地震资料进行扩散滤波处理,然后采用倾角、方位角控制进行相干计算,最后通过沿层切片分析了小断层的平面展布规律,重点对流三段含油储层范围内的小断层进行了解释,解释结果与实际钻井的油水关系、压力等资料相吻合。     

陕甘宁盆地东缘上马家沟组五段一亚段小层划分及与盆内地层的对比

下奥陶统上马家沟组五段一工段是陕甘宁盆地的主力气层，进一步的细分及与盆内井下地层的对比．关系到储层非均质性地质模型的正确建立。以山西兴县关家崖露头剖面的研究为基础，选择Ｋ１石膏假晶层、Ｋ２凝灰岩层为主要标志层，ａ、ｂ、ｃ三个大套碳酸盐岩中的泥质岩为辅助标志层，将马五段一工段分为四个小层。四个小层的分界线在化学元素曲线上与尖峰值相对应，并分别构成不同的粘土矿物组合：马五层富高岭石，不合绿泥石，少含伊利石；马五层伊利石、高岭石较丰，基本不含绿泥石；马五层基本不含粘土矿物；马五层高岭石、伊利石和绿泥石三者兼备。这种四分的标志和特征，在盆内井下亦有其踪迹和明显的反映，可以作为小层划分、对比的依据和标志。     

陕甘宁盆地东缘上马家沟组五段一亚段小层划分及与盆内地层的对比

下奥陶统上马家沟组五段一工段是陕甘宁盆地的主力气层,进一步的细分及与盆内井下地层的对比。关系到储层非均质性地质模型的正确建立。以山西兴县关家崖露头剖面的研究为基础,选择K₁石膏假晶层、K₂凝灰岩层为主要标志层,a、b、c三个大套碳酸盐岩中的泥质岩为辅助标志层,将马五段一工段分为四个小层。四个小层的分界线在化学元素曲线上与尖峰值相对应,并分别构成不同的粘土矿物组合：马五₁¹层富高岭石,不合绿泥石,少含伊利石;马五₂¹层伊利石、高岭石较丰,基本不含绿泥石;马五₃¹层基本不含粘土矿物;马五₄¹层高岭石、伊利石和绿泥石三者兼备。这种四分的标志和特征,在盆内井下亦有其踪迹和明显的反映,可以作为小层划分、对比的依据和标志。     

钻遇安山岩特征分析及层位划分方法探讨

该文结合渤海海域KL-A井钻遇安山岩地层的实例,综合录井特征、测井曲线特征、镜下鉴定特征等分析了钻遇安山岩地层的分析方法、层位划分方法,并确定了安山岩、蚀变安山岩、安山质角砾岩及含安山质砂砾岩等的层位归属依据,对以后渤海海域及其它地区的石油地质勘探具有借鉴作用。     

一种变时窗地震波形分类技术及其应用

传统的地震波形分类方法大都是以等时窗内地震道波形相似性来划分地震相,不能准确反映储层与地震波形的对应关系.提出了一种变时窗地震波形分类技术,将时间域不等长地震信号变换到频率域,并在频率域插值成等长地震信号,运用频率域波形聚类算法进行地震相划分,从而实现了变时窗地震波形分类.将该技术应用到渤海JZ油田的地震相划分,验证了变时窗地震波形分类技术的正确性和可行性,为应用三维地震资料研究沉积相提供了一种有效手段.     

基于深度学习的相对地质时间体估计方法

常规自动解释方法难以正确追踪三维地震数据体中被断层错断的地震反射层位。为此,提出了基于深度学习的相对地质时间体估计方法。首先,针对相对地质时间体估计需求,设计一个由编码器—解码器框架组成的相对地质时间体估计网络;其次,采用结构相似性准则为损失函数,利用生成的准确标注合成训练数据集对相对地质时间体估计网络进行训练,使其具备准确地从地震数据体中估计相对地质时间体的能力;最后,通过提取多个恒定的相对地质时间体等值面实现多个地震反射层位的自动追踪。测试结果表明,该方法不仅在验证数据集上显示出优异性能,而且在实际地震数据体上也获得了较好效果;利用估计的相对地质时间体能够一次性获得多个能够表征地层空间形态的地震反射层位。     

基于多变量时间序列及向量自回归机器学习模型的水驱油藏产量预测方法

提出了一种基于多变量时间序列(MTS)及向量自回归(VAR)机器学习模型的水驱油藏产量预测方法,并进行了实例应用.该方法在井网分析的基础上通过MTS分析对注采井组数据进行优选,并将井组内不同采出井产油量及注入井注水量作为彼此相关的时间序列,通过建立VAR模型从多个时间序列中提取出相互作用规律,挖掘注采井间流量的依赖关系...     

基于经验模态分解法的层序地层划分及对比研究

测井资料是地层信息的集合体,测井信号的奇异性一般反映了地层边界信息。经验模态分解能检测信号的奇异性。为此,针对目前层序地层划分及对比缺乏统一的标准及存在人为性和多解性等问题,提出了利用基于测井资料的经验模态分解法进行地层划分及对比。方法的基本原理是:①利用经验模态分解法对测井资料进行分解,得到不同频率成分的本征模态函数;②根据多级分解下的本征模态函数表现出的周期性振荡特征,将其与地质上划分的各级层序界面建立对应关系,即不同频率的周期对应不同规模的层序、各个频率段之间的突变点对应着层序界面,进而实现对各级层序的划分;③在各级层序格架控制下,进行等时地层对比。在长庆油田延长组的应用表明,该方法得到的结果比地质分层结果更精细,对比效果更好,为利用测井资料进行高分辨率层序地层研究提供了一种新的手段。     

A time domain induced polarization relaxation time spectrum inversion method based on a damping factor and residual correction

Relaxation time spectra （RTS） derived from time domain induced polarization data （TDIP） are helpful to assess oil reservoir pore structures. However, due to the sensitivity to the signal-to-noise ratio （SNR）, the inversion accuracy of the traditional singular value decomposition （SVD） inversion method reduces with a decrease of SNR. In order to enhance the inversion accuracy and improve robustness of the inversion method to the SNR, an improved inversion method, based on damping factor and spectrum component residual correction, is proposed in this study. The numerical inversion results show that the oscillation of the RTS derived from the SVD method increased with a decrease of SNR, which makes it impossible to get accurate inversion components. However, the SNR has little influence on inversion components of the improved method, and the RTS has high inversion accuracy and robustness. Moreover, RTS derived from core sample data is basically in accord with the pore-size distribution curve, and the RTS derived from the actual induced polarization logging data is smooth and continuous, which indicates that the improved method is practicable.     

基于机器学习算法和属性特征双优选的砂体岩性预测方法

随着油气田勘探开发难度越来越大,对砂体岩性预测精度提出更高要求.具有较高纵向分辨率的地质统计学方法,随着其应用范围越来越广,井间预测可靠性不足的缺点愈加明显.基于机器学习算法和属性特征双优选的砂体岩性预测方法,首先通过井震精细标定,明确砂体在地震数据和属性体上的特征;然后在属性特征优选和确定测井敏感曲线的基础上,选择最...     

窄压力窗口井段精细控压压力平衡法固井设计方法与应用

四川盆地复杂深井、超深井钻进受套管层序的限制,同一裸眼井段通常钻遇多个压力系统,纵向地层出现窄安全密度窗口,虽然钻井常采用控压钻井(MPD)技术保证了安全有效钻进,但也给下部小间隙尾管固井带来了巨大的挑战,因而开展既能满足四川盆地小间隙尾管固井质量又能保证窄度安全密度窗口地层固井安全的固井工艺技术研究具有重要的现实意义。为此,在借鉴控压钻井成功应用的基础上,提出了精细控压平衡压力法固井技术:在注水泥设计时将环空流体静液柱压力设计为欠平衡(略低于地层孔隙压力),然后利用精细控压钻井装置MPD在井口节流产生回压或施加井口补偿压力,使注水泥过程通过井口压力和流体在环空的流动摩阻达到平衡孔隙压力,注水泥结束后环空继续施加一定的补偿压力,防止静压不足与水泥浆失重造成候凝期间环空窜流。四川盆地某探井(超深井)应用该技术后,全井段固井水泥胶结合格率为97%,胶结质量优的井段为76%。结论认为,该技术无需增加其他设备,仅借助控压钻井的设备就能实现高顶替效率下的固井施工安全和固井质量提升。     

基于Hessian正则化支持向量机的多视角协同识别抽油机井工况方法

为了更好地了解抽油机井工作状况以提高抽油机井生产工况识别率,目前在抽油机井采油生产过程中采集了大量数据。传统的工况识别方法,主要是利用示功图或电参数单独进行训练建立学习模型,参数之间缺乏关联,影响了识别效果;此外,常用的传统识别方法,如基于支持向量机（SVM）学习的方法,需要对所有的采集样本进行类别标注,耗费大量的人力和物力,影响了工程应用。针对大数据下抽油机井生产特点,为实现在仅有少量已标注工况数据下能同时利用大量未知工况数据信息,且有效利用示功图和电参数两种测量参数,进一步提高抽油机井工况识别的精准率和实用性,提出一种基于Hessian正则化支持向量机（Hessian正则化SVM）的多视角协同识别抽油机井工况方法。通过分析目前工况识别研究中存在的局限性,结合先验知识和专家经验,选择实测地面示功图和实测电功率信号作为特征视角并进行特征提取,然后利用Hessian正则化SVM多视角协同训练算法建立抽油机井工况识别模型并进行分类识别。应用该方法对胜利油田X区块60口抽油机井的11种典型工况进行识别。以SVM方法为基准,该方法识别效果比基于实测地面示功图、实测电功率及传统特征连接多源识别方法分别提高了约3.2%、4.3%和7.4%,而在少量工况样本下该方法识别效果更优,从而验证了该方法的有效性。