测井曲线的自动深度校正

测井曲线间的深度误差几乎是不可避免的。依据测井曲线间的某些相关性,利用计算机可以实现测井曲线自动深度校正。文中采用相关分析、频率分析与动态规划相结合对测井曲线进行深度校正,即先用相关分析法找出对比曲线与标准曲线间的深度对(即深度位移量);然后用频率分析法对已找出的深度对进行筛选;再用动态规划法对筛选后的深度对分类,以其中最优的作为深度校正的深度对;最后根据确定出的深度对,将对比曲线相对于标准曲线作相对位移,便可将一口井的各测井曲线的深度对齐.利用由该方法编制的深度校正程序,对实际测井曲线进行自动深度校正的试算表明,可获得较好的结果。     

测井曲线自动分层解释方法研究

文章通过对测井曲线幅值和形态特征的分析,在求取测井曲线一阶、二阶导数的基础上,提出了利用测井曲线拐点自动划分地层界面和利用极值提取层内测井特征值的方法。在准确划分出地层界面的基础上,利用层内测井曲线特征值（电阻率、孔隙度、含水饱和度等）确定测井解释结论。通过对实际资料的处理,结果表明,该方法分层界面合理准确,效果明显,且简便实用,具有较高的应用价值。     

地质柱状图中测井曲线自动绘制方法探讨

地质柱状图是地质调查研究中的一种基础图件,测井曲线是该图件中的主要内容之一。为了实现地质柱状图绘制的自动化,对测井曲线的自动化绘制方法展开讨论。在明确测井曲线图道绘制基本流程的基础上,深入分析测井曲线绘制过程中的曲线坐标计算、曲线越界处理和对数坐标刻度线绘制等3个关键问题,从而提出测井曲线绘制的通用方法。通过软件开发实例,演示了最终的绘图效果,证实了该方法的可行性。     

基于XGBoost的测井曲线重构方法

测井数据在地层评价中具有十分重要的作用,但是实际应用中由于地质、工程等因素的影响,经常出现部分测井数据缺失甚至漏测的情况。基于传统的经验模型和多元回归分析的测井曲线重构方法精度不够,因此提出利用机器学习方法进行测井曲线的重构;考虑到神经网络的局限性,基于XGBoost构建了测井曲线重构模型。以渤海湾盆地定向井为例验证重构模型的效果：首先进行了测井曲线补全和生成实验,并通过K折交叉验证将XGBoost模型性能与梯度提升决策树（GBDT）、随机森林（RF）和全连接神经网络（FNN）三种方法进行对比,然后结合地质背景分析预测效果。验证结果表明,基于XGBoost的测井曲线重构方法在准确性和稳定性方面都取得了更好的效果,并且表现出较强的泛化能力。     

测井曲线可视化自动分层取值方法研究

测井曲线自动分层取值是按地层岩性和测井值划分测井相类型和储层的首要工作。曲线自动分层方法如方差分析法和极值法等常存在分层界面漏划或多划以及分层速度较慢等问题。随着面向对象设计的可视化编程语言的出现，实现测井曲线可视化自动分层取值已成为可能。本文介绍了一种快速实用的测井曲线可视化自动分层取值的方法。该法采用极值方差聚类法来实现曲线粗分层，并采用VisualFortran语言编程，以面向对象的测井绘图和“所见即所得”的输出方式实现测井曲线可视化自动快速细分层。将该法应用于XJ油田XJ5井等多口井的测井相识别中．取得了较为准确的岩性分层结果。应用结果表明，该方法简单实用，分层速度快，分层界面合理，可视化程度高，值得推广应用。     

声波全波测井纵模波时差曲线误差的回归分析

应用静态实验误差的回归分析方法，对声波全波测井纵、横波时差曲线进行误差分析与评估，给出了总的精度或相对误差等指标，归纳整理了一套测井曲线误差回归分析处理的方法与步骤，分析处理了现场实际声波全波测井纵、横波时差曲线，应用效果良好。     

测井曲线自动分层模型设计与实现

从实用、有效的角度，阐述了测井曲线自动分层的步骤和多种计算模型。提出加入前处理和后处理的具体方法，以此来消除因测量误差对模型的干扰。阐述了数理统计和聚类分析在自动分层模型设计中的应用，并开发了相应的软件，实现了测井曲线的自动分层，使理论得到有效的应用，同时也验证了模型的可行性和有效性。     

基于CNN-GRU神经网络的测井曲线预测方法

目前许多测井曲线预测模型存在预测结果不稳定、精度不高的问题.为此,将深度学习中特征表达能力较强的卷积神经网络(CNN)和记忆能力较强的门控循环单元(GRU)相结合,设计并实现了一种通过卷积门控循环单元(CNN-GRU)神经网络进行缺失井曲线预测的方法.以测井数据序列作为输入,首先通过CNN网络提取测井数据的特征,形成时...     

测井曲线的最优分割法自动分层评价

最优分割法是一种常用的自动分层方法。文章针对该方法,设计实现了一套计算机程序应用到具体的B101井测井曲线分层中,但分层结果显示假层位过多和层界面深度点不精确,设想通过综合运用各种界面深度判定方法并建立一个合理的合并薄层规则来改善该方法的实际应用。     

基于门控循环单元神经网络的测井曲线预测方法

为了减少泥浆侵入对测井曲线的影响,许多油田采用随钻测井技术,需先预测未钻地层测井曲线,这对随钻测井具有非常重要的指导作用。为此,提出一种基于门控循环单元神经网络（GRU）预测未钻地层测井曲线的方法,该模型将长短期记忆神经网络（LSTM）的输入门和遗忘门合并成更新门,输出门变成重置门,使模型结构简单,不易出现过拟合现象,保留LSTM模型的长时记忆功能,且能有效缓解梯度消失或梯度爆炸问题。以新疆油田直井和南海西部油田随钻测井的实际测井数据为例,选取已钻地层以及邻井的自然伽马、深感应电阻率、声波时差、密度和井径5条测井曲线数据作为训练样本输入到LSTM和GRU模型中进行学习训练,将训练好的模型用于预测未钻地层的测井曲线。应用结果表明,GRU比LSTM模型在新疆油田和南海西部油田预测测井曲线的平均相关系数分别提高13.78%和12.13%,平均均方根误差分别下降27.08%和42.17%,GRU模型能够准确地预测未钻地层测井曲线的变化趋势。     

基于偏最小二乘回归法的储层厚度预测

首次采用偏最小二乘回归法进行储层厚度预测,推导其数学算法,总结其优势,建立正演模型分析其可行性。针对靶区的地震数据进行地震属性的提取,优选出可以较好地描述砂体分布情况的5种属性,分别为波峰数、平均振幅、平均瞬时相位、振幅立方差和能量半衰时。利用这5种属性分别对靶区应用主成分分析法、神经网络法和偏最小二乘回归法,得到井点处的砂体厚度预测值。根据各自绝对误差和相对误差,推断应用最小二乘回归法预测砂体厚度值更为准确。根据建立的回归方程,对靶区进行砂体厚度预测,得到砂体厚度分布情况。     

提高曲线回归精度的一种新方法

根据实际观测值与回归值之间的残差，删除由地质或非地质原因造成的异常极值，可提高曲线的回归精度。经过实际应用，效果良好。     

测井曲线形态的自动识别方法研究

为了进行测并沉积学和测并层序地层学的研究,需要对测井曲线形态进行识别。首先进行测井曲线一、二阶导数的求解,当二阶导数呈现符号转换时的深度点即曲线的拐点,亦即测井曲线的地层分界面,然后利用拐点限定范围内测井曲线的变化趋势进行曲线的形态识别,即当测井曲线数值呈现减小的变化特点称曲线的形态为钟形,数值呈现增大的曲线形态为漏斗形,数值变化幅度较少时则称曲线形态为箱形,从而完成测井曲线形态的自动识别。按照以上方法进行了某取心井测井曲线的数据处理和形态的自动识别。从实例分析知,通过测并曲线二阶导数的求取、拐点的识别以及拐点限定范围内测井曲线的变化趋势分析,能较好完成测井曲线形态的自动识别。     

基于传递函数模型的油田产油量预测方法

针对油田产油量预测方法无法考虑因素动态关系的局限性,首次应用时间序列传递函数模型建立了考虑因素动态关系的多因素油田产油量预测模型。应用传递函数模型的原理并按照建模步骤,以胜利油区某油田新井产油量预测为例,说明了传递函数模型数据准备、模型识别、参数估计、诊断校验及预测过程。研究结果表明,该预测模型既能在繁杂因素中剔除无关因素的干扰,识别影响油田产油量预测的主控因素,又能考察变化非同步且具有滞后性的因素动态关系;拟合程度好,预测精度高达98.4%。     

开发模型与水驱曲线联解预测方法

水驱曲线法与开发模型法为油藏工程的重要预测方法,但在油田实际应用过程中,二者均存在某些方面的局限性。文中将Weibull预测模型和甲型水驱曲线相结合,通过联立求解,得出了一种可预测水驱开发油田含水率、产油量和累计产油量随开发时间变化规律的联解模型,有效克服了单一模型所固有的局限性,扩大了模型的预测范围。实例应用结果表明,该联解模型较为实用、可靠,对水驱油田开发具有一定的指导意义。     

砂泥岩地层横波测井曲线预测方法研究

基于早期开发井普遍缺乏横波测井资料的现实,分别讨论了基于Greenberg-Castagna公式、近似Gas-smann方程和Xu-White模型等3种方法在砂泥岩地层预测横波测井曲线的基本思路,给出了相应的计算流程。以某油田开发井横波时差测井曲线预测为例,通过实测横波测井资料的对比,分析了3种方法在砂泥岩地层的应用效果。结果表明,Greenberg-Castagna公式法简单实用,经过流体校正后在砂泥岩地层的应用效果较好;近似Gassmann方程法和Xu-White模型法相对复杂,对输入参数进行优化将有助于提高横波速度预测的精度。     

基于逐步回归分析的孔隙度预测方法

鄂尔多斯盆地麻黄山区块宁东2、3井区延安组储层属低孔低渗储层,研究发现,利用常规方法预测的储层孔隙度与岩心孔隙度对比,误差较大。利用逐步回归分析的方法,以SPSS软件为平台,充分利用岩心物性资料,建立了岩心孔隙度与三孔隙度测井数据关系模型。研究证明,利用此方法预测孔隙度比常规方法计算得到的孔隙度精确度要高     

天然气水合物横波速度等效介质模型预测方法

由于天然气水合物具有多种充填模式,水合物既可作为固体骨架又可作为孔隙充填物赋存于地层中,因此天然气水合物岩石物理模型与常规油气的岩石物理模型具有较大的差异,常规横波预测方法不再适用。为此,开展了利用等效介质模型进行天然气水合物横波预测的方法研究。首先分析矿物组分、孔隙度和水合物饱和度对纵横波速度的影响;然后利用纵波时差、密度、泥质含量、孔隙度、饱和度等常规测井资料根据等效介质模型构建约束优化方程,其中以纵波速度、密度等常规测井资料为约束,孔隙度和饱和度作为优化变量以寻找最优解;采用收敛快、计算结果可靠的信赖域算法求解该约束最优化问题。最后利用神狐海域天然气水合物的钻井资料对方法进行验证,计算的横波速度和饱和度与实际资料吻合度较高。     

基于偏最小二乘回归方法的毛管压力曲线预测超致密砂岩储层渗透率

由于川西坳陷南部大邑构造须家河组三段超致密砂岩储层渗透率影响因素复杂,经分析、计算发现基于毛管压力曲线的多种经典渗透率预测模型预测精度不理想且存在一定的局限性。为提高超致密砂岩储层渗透率预测精度,在详细分析6种经典渗透率预测模型存在预测误差原因的基础上,优选特征参数,综合考虑孔喉半径、孔喉分布等多项渗透率影响因子,采用留一交叉验证法确定的模型最佳潜变量个数,应用偏最小二乘回归方法（PLSR）建立Winland-r5(PLSR)模型、Pittman(PLSR)模型、Swanson(PLSR)模型3类超致密砂岩储层渗透率预测模型,有效地解决了基于普通最小二乘回归方法（OLS）的渗透率预测模型面临众特征参数多重共线性、小样本不具备模型泛化能力的问题。结果表明,基于偏最小二乘回归方法的3类渗透率预测模型,预测超致密砂岩储层渗透率的误差明显降低,具备泛化能力强、预测精度高、适用性良好的优势。