多极声波测井激励信号源的研制

采用多极子声源直接获取地层横波信息的多极声波测井方法是现代声波测井技术上的重大突破 ,而激励信号源是实现多极声波测井最为关键的部件之一 ,它主要由单、偶极发射换能器阵和发射电路组成。所研制的单极和偶极发射换能器的频率分别为 6 .7k Hz和 1.3k Hz,完全符合实际测井的要求。采用通用阵列逻辑 (GAL)控制的发射电路具有集成度高、可靠性强等特点。整个激励信号源工作原理简单且切实可行。经模拟井试验 ,实现了单极子和偶极子声波测井 ,所测的纵波、横波与地层有良好的一致性     

应用BP神经网络方法区分油水层

测井解释是一项主要任务是区分油气水层，目前采用的方法主要是基于统计学理论的经验公式，因而或多或少存在一些不足，而人工神经网络方法具有高度自学、自适应和抗干扰等特点，能够有效地区分油水导。文章根据油水层物理特性，进行了BP算法改进，实际应用表明，其识别率远高于传统方法，效果令人满意。     

一种改进的LS-SVM算法及其应用

 为了避免LS-SVM算法中存在的矩阵求逆问题，提出一种改进的LS-SVM算法，即利用改进PSO算法对LS-SVM算法中线性方程组进行迭代优化求解，这样既能加快算法训练速度和节省内存，又总能得到最小二乘解，提高计算精度。将此改进算法应用到长庆气田C井目的层井段进行气层识别，并与BP神经网络算法、经典的SVM算法和传统的LS-SVM算法比较，结果表明此算法识别精度高，收敛速度快，与试气结果吻合，效果显著。     

阵列声波测井仪及新的数据处理方法

目前代表声波测井水平的方法是全波声波测井，代表性的仪器有阵列声测井仪。文中介绍了斯伦贝谢公司的陈列声波测井仪；论述了一种高精度快速的CT算法—ART3法。用该法进行数据处理，能估计出所处时窗内的非色散波的时差。     

基于计算智能的油水识别技术的研究

计算智能即用计算机模拟和再现人类的某些智能行为,主要包括神经网络、模糊技术和进化计算等技术.针对地震勘探中油水识别误差较大的问题,提出一种基于计算智能的神经网络识别技术,首先进行地震波属性提取,然后对所取属性进行预处理,再用神经网络进行学习训练,最后进行油水识别或预测.实际试验选取我国油田某区的典型地震勘探数据作为试验资料,提取出六种时间、振幅等有用属性,采用BP和LM两种算法的进行网络训练比较,得到LM优于BP算法.实际应用表明,基于计算智能的此种油水识别方法是切实可行的,可以达到识别系统理想的精度要求,而且起到节省成本、提高效率等功效,在油水识别方面效果显著.     

一种改进NMF算法及其在人脸识别中的应用

为了提高非负矩阵分解(NMF)算法对光照、姿态等外部因素的鲁棒性,本文对传统的NMF进行改进,提出了一种改进的NMF方法.首先对NMF基图像进行判别分析,然后选择主要反应类内差异的基图像来构造子空间,最后在子空间上进行识别.通过Havard人脸库和Umist人脸库上的实验,结果表明,该方法能够对光照和姿态的变化具有一定的鲁棒性和较高的识别率,比传统的NMF方法和PCA等子空间分析法识别率提高了20%以上.     

融合多策略的鸟群算法及油层识别ELM模型优化

为了改进鸟群算法易陷入局部最优、收敛速度慢以及种群多样性不足的缺点,提出融合多策略的鸟群算法.引入混沌权重和对称切线混沌加速系数以及高斯扰动策略,增强算法跳出局部最优的能力;引入混合多步选择和自适应步长因子策略,加快算法的收敛速度;引入小波变异策略,丰富算法的种群多样性.实验采用10个基准测试函数,将改进的算法与另外5...     

用于油水层识别的一种简化的神经计算方法

在油水层识别中,单纯使用神经计算存在因输入信息空间维数较大而使网络结构复杂、训练时间长,以及因冗余属性使网络拟合精度不高等缺点,为此基于属性约简和最优化原理提出一种简化的神经计算方法,主要包括基于粗糙集的样本属性约简算法,基于LM方法的稳定学习算法,以及基于黄金分割的隐合层节点数确定的优化算法等。仿真试验和实际应用表明,这种简化的神经计算方法不仅满足识别系统的精度要求,而且起到节省成本、提高处理速度等功效,在油水层识别中效果显著。     

激光光纤核测井技术

激光具有亮度高,单色性、方向性和相干性好,穿透性强等特点。而光纤具有传输频带宽、损耗极低、直径细、质量轻、可挠性好、不受电磁干扰,以及绝缘、耐水性优良等优点。随着激光技术和光纤技术的发展,各种激光光纤传感器层出不穷。利用激光光纤技术进行石油测井开辟了测井技术特别是光学测井向前发展的又一重要途径。文章着重介绍了国内外激光光纤核传感器的研究情况以及激光光纤技术在石油核测井中的应用前景。     

一种基于计算智能的油气层识别方法

油气层识别是测井解释的一项主要任务,现今采用基于统计学理论的常规识别方法本身存在不少缺点因而在应用中无法取得理想的效果。为此提出了一种基于粗集和神经网络的智能识别方法,先用粗集理论约简样本信息,然后采用带有非线性连接权的神经网络来识别油气层。通过塔里木油田实际油井的应用,结果表明这种识别方法的准确率远高于常规方法,且效果显著。