基于单一图像生成对抗神经网络方法在沉积相建模中的应用

沉积相建模是储层建模中的一个重要环节,有多种方法可以用来建立沉积相模型。传统的建模方法需要利用各种参数对变量的空间结构信息进行刻画,如变差函数、数据样式等,在模拟中再现这种空间结构。利用生成对抗神经网络方法（GAN,Generative Adversarial Nets）建模采用了不同的策略,通过对大量图像（模型）的学习,生成与学习样本具有高度相似特征的模型。基于单一图像生成对抗神经网络方法（SinGAN,Generative Adversarial Nets based on single image）对传统的GAN方法进行改进,仅需一张图像进行训练就能够生成高度相似的图像。以N气田2个小层的沉积微相图为例,建立了相应的沉积相模型,并与经典的基于样式的多点地质统计学建模方法（Simpat）对比可以看出,SinGAN方法与训练图像刻画的沉积微相空间结构更相似,具有良好的应用前景。     

基于长短期记忆神经网络的深水钻井工况实时智能判别模型

深水钻井具有高投入、高风险等特点,其工况实时判别是提高钻井时效、减少复杂事故的基础和前提。传统深水钻井作业中,钻井工况主要通过基于编程方式的物理模型与经验模型进行判别,难以保证时效性和正确率。为此,创新性地将机器学习引入深水钻井工况判别全流程,考虑综合录井数据的长时间序列特征,基于长短期记忆神经网络建立了深水钻井工况实时智能判别机器学习模型。通过对29 856 140行深水综合录井数据预处理,选取钻头深度、井深、大钩高度、钻压、悬重、扭矩、转速、立管压力,共计8个综合录井参数作为输入特征,建立了20隐藏层×70节点的长短期记忆神经网络模型,实现了旋转钻进、滑动钻进、接单根、静止、循环、向下洗井、划眼、向上洗井、倒划眼、起钻、下钻及“其他”,共计12种常见深水钻井工况的实时智能判别,测试集上正确率高达94.09%,满足深水现场作业需求。该模型可实时智能地判别钻井工况,充分验证了长短期记忆神经网络用于钻井工况实时智能判别的可行性与时效性,为钻井时效分析和复杂事故预警提供了机器学习模型基础,并将进一步拓展机器学习在石油工程领域的应用范围。     

基于生成对抗网络的储层地质建模方法研究进展

地下储层地质建模对油气和水资源的开发以及CO2地质封存(CCS)具有重要意义.传统基于地质统计学的建模方法(如基于变差函数或多点统计学的方法)产生的储层地质模型可在一定程度上与地质模式保持一致,但当模式特征变得复杂时,则具有明显的缺陷.深度学习中的生成对抗网络(GANs)能够抽象和再现复杂的空间模式特征,而在许多领域得...     

一种室内评价空气雾化钻井用井壁稳定剂的方法

在原针入度法的基础上研制了评价雾化钻井用井壁稳定剂的改进型针入度法测试装置（ ＭＤ 评价装置）,提出用受试岩心的针入度测定值表达的岩心水化膨胀抑制率Ｉｐ 作为指标,来评价雾化钻井用井壁稳定剂。本文报道的研究结果表明,此评价方法消除了液体雾化量对针入度测定结果的影响,评价结果的可比性比原针入度法提高     

一种基于无线传感局域网络的钻井多参数监测系统的现场应用

从适应井场信息化建设的角度出发,介绍了基于超低功耗无线收发OEM模块设计的无线传感局域网系统组成的钻井现场多参数监测系统,实现了钻井现场的多参数数据采集无线监测设计和应用,阐述了该系统硬件和软件的设计方法.通过构建节点之间合理的通讯协议,有效地解决了控点与节点、节点与节点之间的数据中继和传输问题,确保了钻井现场的数据传输可靠性.应用实例证明,采用低压低功耗无线传感网络系统在钻井现场是安全、可靠的,为录井设备新一代无线数据采集系统的进一步革新和应用奠定了基础.     

基于岩心孔隙度合成的测井差比方法在气层界别中的应用

声波、密度测井是成熟的常规找气方法技术。以岩心孔隙度为基准合成纯水层的声波、密度测井，比照实测的气层声波和密度，构筑相应的差比值进行气层的分类界定，提高了应用的真实性和可靠性。该方法原理简单、操作简便，在鄂北大牛地气田上古生界致密砂岩气层界别的应用中收到了成效。     

两种神经网络方法在岩性识别方面的应用

人工神经网络近年来发展十分迅速,因其自身理论方法的不同,在解决各种工程问题上都有别于其它方法,有其独特的成效。本文应用BP网络和RBF网络于石油测井解释中的岩性识别方面,分析了其预测效果,以及网络的构建方法及应用范围。得出两种网络在岩性识别方面上具有的简单实用价值。     

一种基于BP神经网络的气井重复压裂井优选方法

目前我国一些气田经过初次压裂后,增产效果不明显,或生产一段时间后,产量明显下降。为了提高气井的产量,可对气井进行重复压裂。进行重复压裂优选,可使气井得到较好的压裂效果。分析了影响气井重复压裂效果的因素,可分为地质因素和工程因素2部分。地质因素包括孔隙度、渗透率、表皮系数、产层厚度、含气饱和度、地层压力系数及剩余可采储量,工程因素包括前一次压裂是否成功、前一次压裂液用量、前一次压裂加砂量。基于BP神经网络理论,结合气井重复压裂效果影响因素分析,建立了重复压裂井优选模型。使用粒子群算法对其进行了优化,提高收敛速度的同时有效防止了局部最优解情况的发生,预测重复压裂井的日产气量,以此为依据优选重复压裂井。通过对C区重复压裂效果预测表明,基于BP神经网络优选重复压裂井可以提高选井的准确性。     

Montecarlo方法在钻井日费预测与评价中的应用

随着石油工业的发展，我国石油队伍参与国内外钻井服务的机会越来越多。在钻井承包队伍选择上，国内外石油公司大多采用招标方式，招标方式主要有日费制和总包制两种，其中日费制较常用。如何对施行招标的钻井项目的最终报价进行准确预测是每个参与投标方所面临的主要问题。Montecarlo方法于上世纪70年代开始应用于石油天然气工业生产，在勘探风险和储量预测等方面应用广泛。本文将采用Montecarlo方法对钻井工程投标的日费预测及投标方案评价做初步尝试。     

一种工业过程数据校核方法及其在精馏过程中的应用

提出了一种基于非线性过程参数估计方法同时进行过失误差检测和数据校核的方法，并用该方法对一个稳态多组分精馏过程进行了仿真研究，结果证明了该方法的有效性。     

遗传神经网络在煤质测井评价中的应用

煤层气储层具有很强的非均质性和各向异性,使得测井资料解释结果具有多解性、模糊性和不确定性.提出了将遗传算法和神经网络相结合的方法,利用遗传算法优化神经网络的连接权值及阈值,从而提高网络训练精度和煤层气储层评价精度.该方法避免了标准BP算法易陷入局部最小和遗传算法局部搜索能力较差的缺点,提高了运算速度.介绍了利用遗传算法...     

人工神经网络在砂砾岩油藏采收率预测中的应用

目前砂砾岩油藏采收率标定存在很大难度,常规方法预测采收率与实际相比偏差很大。通过调研砂砾岩油藏开发实例及相关资料,选取我国东部某典型砂砾岩油藏,确定了砂砾岩油藏采收率的主要影响因素,并编写BP神经网络程序计算砂砾岩油藏水驱采收率,计算结果精度较高。因此,认为应用BP神经网络方法预测砂砾岩油藏水驱采收率是可行的、有效的。     

基于随钻电阻率成像测井的数据压缩方法

随钻测井作业与钻井作业同步进行,在钻井液滤液还未侵入地层或者侵入井壁很浅时获得测井资料,能准确反映原状地层特征,油气储量评价准确。图像压缩是随钻电阻率测井实时成像的关键技术,通过分析多种图像压缩方法,发现小波编码适合随钻电阻率成像测井,在此基础上,分析嵌入式零树编码和多级树集合分裂编码2种小波变换算法,进行Matlab仿真。多级树集合分裂编码方法在50倍压缩率条件下,能够保持较高的图像质量,可满足随钻电阻率测井实时成像数据压缩需要。     

基于卷积神经网络的在线泵效计算方法研究与应用

油井泵效的计算是油田生产管理中的一项重要工作,针对传统泵效计算方法计算复杂,速度慢的问题,提出一种基于卷积神经网络的泵效计算方法.该方法通过卷积操作从地面示功图中提取特征图,并融合油井参数和抽油机参数,挖掘多源参数与泵效之间的非线性关系.此外,将井下泵示功图作为先验知识引入,有助于泵效计算精度的提升.应用测试结果表明,...     

基于人工神经网络的实钻地层可钻性预测

通过对前人大量地层可钻性的研究成果的整理分析,得出影响地层可钻性的最主要因素是岩性和埋藏深度。在此基础上,提出应用人工神经网络技术计算预测地层可钻性,并针对已钻井段和未钻井段建立了 2个神经网络模型。通过实例验证,表明这是一种有效的确定可钻性的方法,其预测精度可以达到 90%以上。     

Hybrid Neural Network Performance Prediction Model for Gas Assisted Gravity Drainage Recovery Method Based on the Scaling Analysis

Hybrid system is a potential tool to deal with nonlinear regression problems. The authors present an efficient prediction model for gas assisted gravity drainage injection recovery process based on artificial neural network (ANN) and dimensionless groups. Ant colony optimization (ACO) is applied to determine the network parameters. Results show that ACO optimization algorithm can obtain the optimal parameters of the ANN model with very high predictive accuracy. The predicted recovery from the ACO-ANN model, in comparison with other proposed models in literature, were in good agreement with those measured from simulations, and were comparable to those estimated from the other proposed models.     

BP神经网络在测井资料标准化中的应用

夏宏泉刘红岐：ＢＰ神经网络在测井资料标准化中的应用，测并技术，１９９６（３）２０，２０１～２０６。神经网络是一门新兴的信息处理技术，它可用来解决测井精细解释和油藏描述中的模式识别和预测估值等问题。本文从神经网络的结构、功能和特点及学习规则出发，探讨了应用神经网络进行测井资料标准化的可行性，并以Ｓ地区沙三段三孔隙度测井资料为应用实例，采用ＢＰ神经网络技术对其进行了标准化分析校正，处理效果令人满意。该法为测井资料标准化找到了一条新的途径，值得借鉴使用。     

自组织神经网络在测井资料解释中的应用

本文描述了自组织神经网络－－改进的ＡＲＴ模型（包氏神经网络）的基本结构及其学习算法；给出了该网络进行测井资料的解释的计算步骤；最后，以人工合成数据的自动分类和某煤田综合测井数据的煤怪自动为例，检验了该方法的正确性有效性。     

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

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.     

基于模糊神经网络的建筑工程造价估计方法

提出了建筑工程造价估计的模糊神经网络方法,给和该方法进行建筑工程造 价估计的基本原理,网络模型及估价方法,计算实例表明,应用模糊神经网络估计工程造 价具有方便、准确的特点。