浅议成岩储集相研究

由于储集层的性质与沉积物埋藏后的成岩变化有极大的关系,沉积成岩作用的研究日益受到沉积学家的关注。特别是近几年,成岩作用的定量评价已经成为人们关注的焦点,在此基础上进行了成岩储集相的研究。本文正是以此为线索,简要地论述了成岩储集相的研究思路和方法。     

成岩综合系数在储层分布预测中的作用

通过多元线性回归方法建立成岩综合系数与测井孔渗值进行最佳转换,实现成岩综合系数的纵横向分布预测,能较好地反映储层储集性能的成因特征。以ZZ气田为例,选取储层的孔渗等物性参数,将工区储层成岩储集相划分为三类。研究结果表明,随着储层岩石成岩相级别的升高,储层成因参数及统计物性特征明显变好,储层产气能力也明显增强。该研究结果对油气田的勘探具有一定的意义。     

普光气田礁滩相储层成岩相划分

成岩相是在一定沉积和成岩环境下经历了一定成岩演化阶段的产物,是表征储层性质、类型和优劣的成因性标志.本丈针对普光气田礁滩相储层相变快、非均质性强的特点,综合考虑成岩作用特点、孔陈类型、古地貌等进行成岩相的划分,明确了高孔渗带储层形成的主控因素,对气田的开发具有重要指导作用.     

低渗特低渗砂岩储层成岩作用及成岩相研究进展

目前国内外关于低渗特低渗砂岩储层成岩作用及成岩相的研究尚处于起步阶段,关于成岩作用类型、成岩相的命名分类及其定量表征方法等方面尚未达成共识。在大量阅读国内外相关文献的基础上,对低渗特低渗砂岩储层的成岩作用类型、成岩相的分类依据、方法、命名方案及应用方向进行概述,以期能对低渗特低渗砂岩储层的勘探开发起到良好的推动作用。     

聚类分析在古龙油田沉积成岩相研究中的应用

聚类分析是研究样本（或变量）分类的一种多元统计方法,通过分析各样本或变量间自寺相似性逐步归类。本文以古龙油田为例,运用了聚类分析中的Q型分层聚类法,研究了古龙油田葡萄花油层组沉积成岩相的类型,并对样品进行归类,得出沉积成岩相的空间展布规律。结果表明：该方法在储层评价中的应用是可行的,具有较强的合理性。     

安塞王窑南地区长612储层沉积微相研究

综合利用岩心,录井,测井及化验分析资料,以现代沉积学和层序地层学理论为基础,对安塞王窑南长612层沉积微相精细研究,搞清了骨架相砂体类型和几何形态,总结了长612小层各沉积期沉积微相平面时空演化规律,确定其为一套三角洲沉积,其中三角洲前缘较为发育,进一步可以划分为水下分流河道,河口砂坝,远砂坝,水下天然堤,席状砂,水下分流河道间6种微相类型。通过沉积相带对油气的控制作用分析,指出有利的油气聚集带,为油气开发提供了方向。     

鄂尔多斯盆地志丹油田永金地区长6储层成岩作用类型及演化

通过铸体薄片、扫描电镜、X射线衍射及压汞等资料分析,研究志丹油田永金地区长6砂岩储层成岩作用类型及成岩序列。研究结果表明,强烈的压实、压溶作用及胶结作用导致原始孔隙丧失殆尽,使形成超低渗储层的主要原因。而溶蚀作用的存在,特别是长石溶蚀形成大量次生孔隙,对改善砂岩储集物性起到决定性作用。并且认为长6砂岩成岩演化主体处于晚成岩A期,部分指标已进入晚成岩B初期。在此基础上,进一步综合研究了成岩演化及孔隙演化模式。     

鄂尔多斯盆地延长天然气探区山西组山2段成岩相及优质储层探究

本文以鄂尔多斯盆地延长天然气探区山西组山2段为研究对象,山2段是整个盆地中极其重要的天然气产层,也是成岩作用最为复杂的地段。本文根据山2段中填隙物的胶结类型、物性数据、颗粒的接触性质以及成岩作用的特征,对鄂尔多斯盆地延长天然气探区山西组山2段中的成岩相进行了分析,并根据成岩相、物性特征以及石学特征分析了此研究区域中的优质储层。     

鄂尔多斯盆地华庆地区长6储层成岩作用和成岩相研究

随着中国陆上的油气勘探的新发展,本文鄂尔多斯盆地的区域概况主要成岩作用、储层特性及岩石特征等方面,来分析成岩相的分布、分类、特征及其有利相带。从而为该区域的实际勘探开发服务,创造更高的社会、经济和环境价值。     

神经元网络在化学工程中的应用与发展

综述了神经元网络在化工领域中的应用状况，并指出了今后的发展趋势。     

人工神经网络在混凝土强度预测中的应用

人工神经网络技术综合考虑了高强度、高性能混凝土强度的各种影响因素,可用于预测混凝土强度。本文选取混凝土配料中7个因素作为输入值,混凝土28d强度作为输出值,建立起混凝土强度预测BP网络模型,进而对混凝土配合比强度实验数据进行分析预测,结果效果良好。表明该方法用于高性能混凝土强度预测方面是可行的。     

人工神经网络BP算法在玻璃纤维生产领域中的应用

针对玻璃纤维生产过程中原丝产量的影响因素多,当某些生产条件发生变化时,无法对原丝产量做出准确预测的情况,通过采用BP人工神经网络,结合matlab软件,实现了在池窑生产过程中,当生产条件发生变化时对原丝产量做出准确预测。     

人工神经网络在聚苯乙烯乳胶球制备中的应用

利用人工神经网络很强的非线性映射功能，关联了聚苯乙烯乳胶球制备工艺参数与球尺寸相对标准偏差之间的关系，预报相对标准偏差效果较好.     

基于遗传算法的人工神经网络在油水层识别中的应用

油水层识别是测井二次解释的重要内容。基于遗传算法的人工神经网络方法具有自学、自适应和抗干扰等特点，能有效地区分油水层。实际应用表明，其误判率远低于传统方法。     

人工神经网络在污水处理中的应用

文章对污水处理系统的特点进行了分析,并针对时变性、非线性、复杂性和不确定性的特点,提出应用人工智能技术对其进行智能控制是实现城市污水处理系统自动控制的重要方法。对人工神经网络控制特点进行了介绍,综述了国内外人工神经网络在污水处理不同领域中的应用研究,并结合国内外研究动态,简要分析了人工神经网络污水处理今后的发展方向。     

地下水水位预测的人工神经网络模型研究

地下水系统是一个复杂的随机系统,本文根据地下水水位与其影响因素之间存在的相关关系,建立了一个基于神经网络的地下水水位预测模型,并将其用于研究区地下水水位的预测,结果表明该方法具有较高的预测精度。     

人工神经网络分析在黄磷生产中的应用

利用人工神经网络从已有的炉渣分析数据中通过训练求得炉渣中磷含量与相关因素之间的非线性关系,从而预测炉渣中磷的含量。采用的神经网络结构为3—8-1的形式,学习算法采用BP算法。结果表明,网络模型有较高的预测精度,可用于炉渣磷含量的预测和控制。     

神经网络在炸药晶体密度预测中的应用

运用密度泛函理论,在DFT-B3LYP/6-31G·的水平上对16种炸药分子进行全分子优化,并进行频率振动分析,分析了求得各个炸药分子量化结构参数,结果表明,平均极化率、平均四极矩和偶极矩与炸药密度有较好的相关性.结合人工神经网络算法,用以上3种参数作为描述符,构建炸药密度的网络预测模型.预测结果表明,预测值与文献值的最大相对误差为6.6%,最小相对误差为0.47%,说明神经网络可以用来预测炸药密度.     

基于人工神经网络的炸药性能研究

为了解人工神经网络方法在炸药性能预测的应用及发展,分析总结了BP神经网络在炸药性能预测方面的应用。选取合适的参考量作为输入,建立BP网络学习样本、训练样本,构建网络,训练并优化网络,调整隐含层节点数和迭代次数,使得预测误差处于可接受范围。通过对炸药的装药密度、爆热、爆速以及撞击感度等性能的研究,认为人工神经网络会对炸药更多的性能进行精确的预测,有重要参考价值。