人工神经网络在测井资料参数估算中的应用

利用人工神经网络(BP网络)的原理对测井资料进行了解释，建立了测井解释的BP神经网络模型，对BP网络进行了改进，提高了收敛速度，并防止陷入局部极小．利用多种测井数据及岩芯描述资料作为网络模型的学习样本，通过网络的学习、训练，建立了测井解释的神经网络模型．以渗透率的计算为例，应用此模型定量计算了川西某气田多口井的渗透率值，其解释结果及精度均令人满意，取得了良好的实际应用效果。     

中子寿命求剩余油饱和度影响因素探讨

中子寿命测井在高矿化度地层中监测剩余油饱和度变化和寻找高剩余油、高含水油层等方面具有很好的效果,但作为定量评价其准确度受到泥质含量、岩石骨架的俘获截面值、孔晾度等不确定因素的影响。因此要利用中子寿命测井求剩余油饱和度就必须要对各种影响因素进行校正。本文针对轮南油田2井区已有中子寿命测井资料,对影响中子寿命测井的各种因素进行研究分析,通过图版法进行校正,并与实际资料进行对比,从而得出更为精确的剩余油饱和度。     

套管技术状况的测井应用及其对比分析

在对江苏油田的部分油水井套损类型、套损的原因进行了分类及分析后,对井温及同位素检测法、超声波成像检测法、电磁探伤法和多臂井径检测法进行了对比,阐述了套管检测方法的优选和解释评价,同时给出了套管测井的典型实例.     

超声波成像测井技术在套管井中的应用

超声波成像测井仪通过改善成像质量和分辨率,较好地满足了各种套管井复杂情况的需要。目前,在套管井测井中,超声波成像测井仪主要用于水泥胶结评价和套管检查,以便对固井质量和套管状况作出直观准确的判断。     

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.     

煤体结构测井响应及其判识方法研究进展

煤体结构的测井精准识别有助于深部煤层气勘探开发和层位优选。为了准确、恰当地运用地球物理测井识别煤体结构,本文重点分析了国内相关成果,对煤体结构分类、测井响应及其判识方法进行了述评。结果发现：原生结构煤的井径(CAL)为14.82～47.29 cm,密度(DEN)为1.18～2.08 g/cm³,自然伽马(GR)为8.66～111.45 API,声波时差(AC)为259.00～681.21μs/m,中子(CNL)为22.95%～52.76%,侧向电阻率(LLD)为39.18～26 990.50Ω·m。随着煤体结构破碎程度的加剧,DEN、CNL和LLD值减小,GR、CAL和AC值增大。聚类分析、多元线性回归、贝叶斯判别式、BP神经网络、机器学习和支持向量机等定量方法能够显著提高测井识别煤体结构的准确度。最后,建议煤体结构精准判识应加强地球物理测井的曲线重构理论、资料标准化、系统化和数据化研究,构建可视化、智能化、跨区域煤体结构测井判识的数据提取、指标优选和结果存储体系。     

最优化理论解浓度校正方程

在X 射线荧光光谱定量分析中 ,要进行试样基体效应的数学校正 .针对常用的浓度校正法中的不一致问题 ,提出了最优化处理方法 .结果表明 ,最优化方法能减少浓度校正法在回归中带来的某些误差 ,且其计算量较少     

基于主成分分析的BP神经网络在岩性识别中的应用

提出一种将主成分分析和BP神经网络相结合的方法对测井资料进行岩性识别。首先将原始测井数据进行主成分分析,分析结果作为PCABP神经网络的学习样本进行训练,建立测井解释的PCA—BP神经网络岩性识别模型．并用该模型对测试样本进行识别。结果表明该方法同传统的BP神经网络相比．不仅简化了网络结构（网络的输入神经元个数由5个减少为2个）,网络收敛速度也加快了21％．而且识别的准确率提高了25％。     

基于神经网络的气压传感器非线性校正

为了解决气压传感器非线性校正困难、校正结果精度低的问题,基于小波函数建立反向传播(back propagation,BP)神经网络模型,采用Levenberg-Marquardt算法进行网络参数更新,实现了气压传感器的非线性校正.实验结果表明:传统BP神经网络使气压传感器均方根误差由最初的2.10降低到0.68,减少了67.6％的测量误差;而提出的小波BP神经网络则使其降低到0.28,进一步减少了19％的测量误差,更好地满足了高空探测的精度要求,具有良好的泛化能力,可以推广到类似传感器的非线性校正中.     

BP神经网络在小信号有效值非线性误差校正中的应用

系统传输的非线性是产生测量误差的主要原因之一。为保证测量精度,应对非线性误差进行校正。描述了BP神经网络的基本模型及算法,阐述了神经网络校正非线性误差的基本原理,提出了用BP神经网络来校正交变小信号真有效值非线性误差的方法。最后给出了校正AD637非线性误差的实验数据。结果表明：运用BP神经网络校正非线性误差,提高了交变小信号真有效值的测量精度。