成像测井资料在裂缝和地应力研究中的应用

对岩心分析与成像测井资料进行了对比研究,通过裂缝识别和参数定量计算,建立起应用成像测井资料进行地应力分析的方法。并通过该方法确定了准噶尔盆地二叠系地层的水平地应力方向。对后期水平应力对高角度缝的改造作用的研究表明,后期最大水平地应力的方向为近东—西向,与裂缝的走向一致。后期水平应力对高角度裂缝有改造作用。当高角度缝的走向与最大水平主应力的方向一致时,后期水平应力对原生裂缝有保持作用;反之,具有破坏和闭合作用。     

南岭科学钻探NLSD-1孔井中磁测资料分析

针对南岭科学钻探－1孔（NLSD-1）100~1 000 m井段,利用测井磁化率和井中三分量磁测资料及岩性编录资料研究了其地层不同岩性的磁化特征,同时对井中三分量磁异常进行了分析和解释。不同岩性的磁化率从高到低依次为变质细屑沉凝灰岩、变质粉屑沉凝灰岩、多种矿化变质细屑沉凝灰岩、硅化变质细屑沉凝灰岩、硅化变质粉屑沉凝灰岩、多种矿化变质粉屑沉凝灰岩、凝灰质板岩、多种矿化凝灰质板岩;井中三分量磁异常主要是由钻孔旁侧磁性体和变质沉凝灰岩引起的。     

基于集成学习的松辽盆地砂岩型铀矿地层岩性自动识别研究

地层岩性的准确识别与砂岩型铀矿层的圈定密切相关，岩性组合的正确分析对于开展砂岩型铀矿的勘查与异常识别具有重要意义。本文针对传统测井岩性识别方法与机器学习类方法中存在的问题，以北方松辽盆地砂岩型铀矿为研究对象，采用两种典型的集成算法模型(XGBoost和SMOTE随机森林)开展地层岩性自动识别研究，并将识别结果与K最近邻分类算法(KNN)、梯度提升决策树算法(GBDT)等典型机器学习算法进行对比。结果表明，XGBoost和SMOTE随机森林两种集成算法模型对砂岩型铀矿地层岩性识别的准确率都在95%以上，且较KNN模型和GBDT模型的准确率有明显提高。XGBoost模型用于控制过拟合的正则项和节点分裂时支持特征多线程进行增益的计算，显著提高了运算效率，SMOTE合成少数过采样技术解决了样本数据不平衡的问题。基于集成算法的优化过程可为砂岩型铀矿岩性分类问题提供理论依据与技术支撑。