电相分析的自动分层取值方法研究

本文在综合分析比较现有的各种分层取值方法的基础上，对电相自动分层取值方法进行了深入研究，采用极值方差聚类法实现电折自动分层取值。     

基于极值法和聚类分析法的测井曲线自动分层模型——以山东省胜利油井为例

针对地质分层中人工分层的方法费时费力且主观性较强,分层效果不理想的现状,以山东省胜利油田的1号井为标准井,首先通过中值滤波法对测井数据进行分析处理,然后应用极值法和聚类分析法建立了测井曲线自动分层模型,并利用该模型对2至7号井进行了自动分层。通过图像对比,建立模型得到的自动分层结果明显优于其他分层模型的分层结果,并且与人工分层结果基本相符。该研究结果解决了以计算机自动分层来代替人工分层的实际问题,为地质勘探部门研究具有不同特点的地层及胜利油田区的资源管理与开发提供参考.     

随钻电阻率测井介电效应校正图版分析及方法

以斯伦贝谢公司随钻电阻率测井仪ARC675系列为例,重点分析了介电效应对相位移和幅度衰减电阻率的影响规律.给出了ARC675随钻电阻率测井仪在2 MHz和400 kHz工作频率下的校正图版和校正方法,编制了自动介电效应校正计算机程序并对油田实际随钻电阻率测井数据进行了介电效应校正,校正的结果验证了对介电效应影响规律的分析,得到了更为正确的地层电阻率值.实例证明拟合公式是正确的.     

SPOTE随钻测井系统的试验研究

为验证SPOTE随钻测井系统功能进行了机械密封室内压力试验、电子硬件及程序室内联调测试。制定了实钻试验方案,确定了循环系统参数、钻进参数、MWD工作参数。分析了SPOTE随钻测井系统获取的数据,与ELIS电缆复测试验数据比较,随钻地层自然伽马和电阻率测井数据与电缆测井数据一致性良好,表明SPOTE系统定向参数测量精确,同时将随钻测井曲线与Trip-log测井曲线对比,也验证了仪器有较好的测量重复性。     

水平井随钻跟踪中的测井研究与实例分析

水平井钻井技术作为提高单井产量的有效手段之一在全世界得到了越来越广泛的应用。为了提高水平井的油层钻遇率,就必须在了解钻井区域地层产状和储层发育情况的基础上,优化钻井轨迹,并在钻井实施的过程中,根据情况的变化尤其是随钻测井资料的变化进行及时的调整。研究和应用水平井钻井的测井地质导向技术是确保水平井钻探成功的一项十分重要的技术。本文在多口水平井实际钻探经验的基础上,分析了水平井钻进过程中,随钻电测曲线因岩性变化而相互关系的变化规律,总结了水平井随钻跟踪分析的方法,并通过实例,说明了水平井随钻跟踪分析方法的应用效果,具有很强的实践性。     

基于免疫聚类的自动分层强化学习方法研究

为解决分层强化学习中现有的自动分层方法对环境和状态空间特性依赖过强的问题,提出了一种基于免疫聚类的自动分层强化学习方法．该方法以Sutton提出的Option框架为基础,在学习的初始阶段,每个Option仅包含一个人口状态且执行平坦策略,经过若干个学习周期对环境进行充分探测后,应用免疫聚类方法对状态空间进行聚类,同时生成每个聚类空间下的Option,并在学习过程中完成内部策略的学习,从而实现自动分层．以二维有障碍栅格空间内路径规划为问题背景进行了仿真实验,仿真结果表明该方法不受状态空间的结构性和可分割性以及强化信号延迟的影响．     

随钻电阻率测井的围岩影响及校正方法研究

随钻电阻率在随钻测井中占有重要的地位.随钻电阻率受井眼(井径,泥浆)、围岩(高阻或低阻邻层)等环境因素的影响,其测井值常不同于实际地层的电阻率值.对随钻测井曲线进行环境影响校正主要使用图版法.校正图版是根据理论计算或实验结果做出的,不适合于逐点对所有井段的地层进行较全面的环境影响校正.以Schlumberger、Haliburton和Bakerhuges三大公司随钻电阻率测井的围岩影响校正图版,研究了围岩电阻率、地层厚度和倾角与随钻电阻率测井值的关系,对图版采样读值,并采用神经网络法进行最优拟合得到校正公式,编制程序来实现随钻电阻率测井的围岩影响自动校正.应用表明,用这种自动校正法处理得到的结果合理,校正效果明显.     

新沟油田致密油测井评价方法研究

新沟油田新下Ⅱ油组取心资料显示,储集层主要为泥质白云岩薄互层,具自生自储特点以及岩性复杂和薄互层等特征,给有效储集层划分和流体识别带来极大困难。利用岩心刻度测井模型交会图技术、多元统计分析法和岩石体积模型的最优化求解等方法进行研究,研究认为:多参数雷达图与交会图岩相识别方法、多矿物最优解与交会图致密油储集层脆性矿物计算方法,在该地区岩性识别效果较好。致密油储集层孔隙度计算方法,复杂岩性双侧向计算微裂缝渗透性、含油饱和度、TOC含量计算方法,能较好地满足新沟油田致密油储集层评价需求。     

自动选取阈值方法比较研究

在数字图像处理中，阈值处理是非常有用的图象分割技术。它已被广泛地应用于数字图象处理的许多领域，近年来已有许多阈值化方法被提出。阈值选取是图象处理与分析问题的基础，如何才能正确地找到适当的阈值，是一个非常棘手的问题。针对几种常用的图象二值化自动选取阈值方法，通过计算机仿真对实验结果进行了比较研究。并在此基础上，提出了一种新的图象二值化算法。该算法着重于在图象二值化时保留图象的边缘特征。其基本思想是：首先，用微分算子检测图像的边缘。然后，在这些边缘象素点进行一值化阈值的自动选择；最后，对于其它非边缘象素点则采取常规方法进行二值化处理。实验结果表明，这个基于边缘特征检测算子的算法能很好地保留原图的边缘特征，并能处理低质量的图象。