鲕粒碳酸盐岩储层的测井识别研究

从鲕粒碳酸盐层的测井响应特征出发,在提取岩性特征测井参数和建立电相一岩相库统计模式的基础上,采用极值方差聚类法实现自动分层,以灰色关联法识别单井剖面的鲕粒碳酸盐地层,并结合储层物性参数的精细解释建立了鲕粒储层测井识别模式,编制了相应的处理程序。应用表明,该套方法具有较高的分辨力,能识别出单井剖面中0．5m以上的鲕粒储层,提高了鲕滩储层的纵横向预测精度。     

ELog测井综合解释平台开发与应用

ELog测井综合解释平台除了满足常规测井资料处理,更侧重于二维曲线资料的分析处理。其独特的二维高速处理引擎,使其在声放磁、变密度、RIB等资料处理与解释方面,与国内同类软件产品相比具有明显的优势。     

特低渗储层参数的测井解释方法研究

针对特低渗透储层的岩心分析困难 ,尤其是饱和度的获得十分困难、测井解释难度大等问题 ,提出了一套系统的行之有效的解决方法。具体做法是 :(1)利用常规岩心分析方法获得孔隙度、渗透率资料 ;(2 )利用核磁共振成像技术来获得岩心含油饱和度资料 ;(3)利用改进了的人工神经网络建立高精度的孔隙度、渗透率和饱和度的测井解释模型。将这套方法用于大庆油田F4 8区块扶余油层的储层参数解释 ,处理效果较为理想     

克拉玛依油田八区克上组砾岩油藏测井描述

克拉玛依油田八区克上组储层发育,油气资源丰富,为克拉玛依油田八区的主力油藏。在该油藏研究中,充分利用已有的测井资料,首先研究了测井资料的标准化方法和以测井曲线为基础的岩心归位方法,进而采用神经网络技术将测井信息转化为地质信息,通过该区117口井资料的综合解释和评价处理,为储层研究提供了基本地质参数和油气评价结论,并采用克里金估计模型绘制了砂体分布,油层有效厚度,孔隙度,渗透率及含油饱和度的平面空间分布图,全面分析了储层在空间的分布规律,为区块油藏综合治理和开发提供了可靠依据。     

改进的BP神经网络在石油测井解释中的应用

通过修正系统误差改进了传统的BP算法,改进后的BP算法具有收敛速度快的特点。在此基础上,利用多种测井解释数据及岩心分析资料作为网络训练样本,通过网络的训练、学习,建立了BP网络孔隙度模型,并利用该模型预测该地区新井的孔隙度值,实验证明用该模型进行孔隙度预测是可行的。     

塔里木碳酸盐岩储层最优化测井解释方法

塔中和轮南地区奥陶系碳酸盐岩储集层不仅基质孔隙度低,而且裂缝、溶洞的产状和分布复杂多变,这给常规测井解释方法带来很大的困难。在综合分析多种最优化测井解释方法的基础上,根据测井响应方程和误差理论建立目标函数,采用多维搜索的变尺度法与一维搜索的抛物线插值法相结合的最优化方法,经过适当的算法改进,对该区多口井的测井资料进行了逐点处理。结果表明,该方法用于碳酸盐储层测井解释效果良好,具有推广应用价值。     

神经网络在计算测井参数中的应用

论述了人工神经网络的基本原理。采用误差反向传播神经网络（ＢＰ网络）对油田测井解释参数束缚水饱和度进行了计算和分析，使误差精度提高了１０％。     

基于多矿物模型分析的最优化测井解释

多矿物模型分析的最优化解释能采用多种测井信息和多种模型来研究和评价复杂油气层。与传统测井解释方法相比，它能将所有的测井信息、误差及某些地区地质经验综合成一个多维信息复合体，运用最优化的数学方法，进行多维寻优处理，来求取地层参数。将该方法应用到乌尔禾低效油田克拉玛依组复杂岩性低渗碎屑岩储层参数解释中，成功解释了该地区一百多口井的测井资料，得到了可靠的地层矿物（岩性）剖面和储层参数。与试油资料、录井资料等对比证实，该方法提供了一种比较有效的地层岩性和物性参数及流体性质的解释方法，效果较好。     

雅克拉气田亚格列木组储层参数测井解释与储层评价

塔里木盆地雅克拉气田白垩系亚格列木组属中低孔中低渗强非均质砂岩储层,近年来,气田增储上产遇到困难,需对该组进行再次评价。该文综合地质、测井,钻井,岩心分析资料,在岩心归位,测井数据标准化,归一化后,挑选建模的学习样本,利用BP神经网络建立孔隙度和渗透率预测模型,并用误差统计法和叠合图比较法对储层参数预测效果进行评价,孔隙度平均绝对误差为0.90%,渗透率平均相对误差为22.61%,误差统计表明预测达到较高的精度;并根据现有资料,在确定储层综合评价模型,评价参数及其权重,单项评价参数的评价分数的计算方法后,对研究区各储层段进行分类,并总结了各类储层的电性响应特征和储层特征,确定有利储层的位置为构造高点和辫状河道和心滩发育区,建议Ⅱ、Ⅲ类储层进行措施调整,以改善储层物性,提高油气产量。     

基于神经网络的测井评价油层污染研究

利用测井资料，在剖析传统的测井评价油（气）层污染方法的基础上，介绍了利用ＢＰ神经网络这一现代数理统计新技术来实现测井多参数评定油气层污染程度的方法和技巧；以华北二连油田实际资料为例，建立了测井判释油气层污染的数学物理模型，并进行了模拟预测。结果表明：该法简便可行，对污染评价参数预测精度较高，对污染程度评价合理准确，可作为油（气）层污染定量评价的一条有效途径。     

基于测井资料的低孔低渗储层产能预测研究

针对低孔低渗储层产能预测模型受敏感因素影响大,主次因素在低产情况下区别不明显,产能预测评价相对较困难等实际问题,以准噶尔盆地夏子街地区夏77井、夏79井为例,开展低孔低渗储层产能预测的前期试验研究,对多个产能预测模型及其适用条件进行了对比分析,从Darcy模型、Jones(1976)模型、Vogel/Harrison(1968)模型、裂缝模型中进行优选和调试.通过分析产能预测模型结果与测试结果在产量上的相关性,表明基于测井资料的预测结果与试油测试结果相当吻合,从而确认产能预测模型结果的可靠性.     

基于BP神经网络的变频器功率变换主电路故障诊断研究

提出一种基于BP神经网络的变频器功率变换主电路故障诊断方法。通过对变频器功率变换主电路的故障类型及原因进行分析，提取了反映故障状态的四个特征参数。利用BP神经网络，采用自适应学习速率动量梯度下降BP算法，实现了故障模式的模式识别。     

基于人工神经网络的岩土工程位移预测研究

从神经网络理论及应用实践等几个方面分析研究了目前岩土工程位移预测神经网络模型存在的几个问题,并提出了几个可供借鉴的其它模型.最后,提出了一种进行位移预测的进化神经网络模型,并采用一个工程实例进行了研究,其结果验证了前述分析研究的结论,说明了本文分析的合理性.     

GA-ANN综合优化地震属性的应用研究

讨论了应用遗传算法对地震属性进行优化组合的合理性和可行性,并依据遗传算法的框架提出了算法的实现步骤.在设计个体适应度评价函数环节讨论了以对非线性映射具广泛适应性的人工神经网络模型替代优化目标函数的思想的合理性及实现方法.最后以应用实例的数据对算法进行了检验并得到较满意的结果.     

基于神经网络聚类的研究

提出了一种基于Kohonen网络的改进聚类算法,并给出了基于数据仓库平台的具体实现方案。通过对实例的聚类测试,对算法本身的若干指标进行了研究分析。     

基于线性规划和神经网络的最低生活保障线研究

用线性规划模型计算了上海市民在食品上的最低消费支出。用人工神经网络模型计算了上海市民在除食品外的其他各项消费支出。两个模型计算得出的结果相加预测出最低生活保障线金额 ,并提出了适合上海的最低生活保障线的计算方法。     

基于Hopfield网的自学习联想思维神经网络模型

基于Hopfield网,本文给出了一个新的神经网络模型该摸型在系统结构及神经元的功能分工上较接近于人脑皮质中的一个垂直柱．本文讨论了该系统的稳定性,及其联想记忆功能和形成连续且受控的联想变化过程的可能性.     

基于神经网络的面波迭代反演应用研究

根据滩浅海近地表结构特征,尝试利用地震记录中的面波进行近地表结构研究,以便了解滩浅海地区的近地表地层介质结构变化,为深层油气勘探提供准确的低降速带资料.针对面波频散反演已有方法存在的不足,引入一种基于BP神经网络的迭代反演方法对面波的频散曲线进行拟合迭代,用于反演预测滩浅海低降速带地层参数.由于神经网络具有很强的自学习、自适应、自组织和容错能力,它的反演预测能力非常强大,能够较精确地预测出所要求解的目标数据,同时结合传统迭代反演方法的优点,增强了该方法的反演预测能力.通过对滩浅海近地表结构模型试算,获得好的效果,同时进一步对实际记录进行了计算,也取得了比较满意的结果.     

基于神经网络的一种曲线识别方法

提出了一个新的曲线性识别算法,它利用神经网络的分类辨识特性,对边缘点进行分类识别。实验结果表明：这种方法具有速度快,省空间的优点。     

基于DCT和神经网络的视频版权保护算法

针对目前数字水印技术对视频版权保护和抵抗攻击时存在的一系列问题,提出了基于DCT、数字水印、神经网络和数据加密等技术的有效算法．该算法首先将原始水印信息采用Arnold变换进行置乱处理,然后运用神经网络将水印嵌入到宿主视频中,提取时利用确定的神经网络实现水印的盲提取．实验结果表明,该算法具有较好的不可见性和鲁棒性．