碳酸盐岩储层孔隙结构因子及渗透率敏感性分析

孔隙结构是影响碳酸盐岩储层渗透率的重要因素之一。孔隙结构对地震响应特征的影响主要体现在岩石骨架模型中。从岩石骨架模型中推导出的剪切柔度因子能够表征孔隙结构且对渗透率有一定的敏感性。在岩石物理模型调研基础上,归纳总结了常用的几种模型,并从中推导出新的孔隙结构因子;然后对比了各孔隙结构因子对低孔低渗和高孔高渗碳酸盐岩渗透率的敏感性,优选出对渗透率更敏感的剪切Lee因子;最后进行了剪切Lee因子渗透率敏感机理分析。分析结果表明,剪切Lee因子对渗透率敏感性更高,因此在渗透率预测时考虑剪切Lee因子可以提高预测精度;同时剪切Lee因子与孔隙主尺度之间具有良好的线性关系,这为孔隙主尺度地震预测提供了一条途径。     

应用虚拟机大规模提高学生计算机实践能力

通过调查分析高校学生计算机实践能力现状,认为高校扩招导致硬件环境不足和教学考试方式滞后是产生问题的原因.针对应用实际,给出用虚拟机零成本扩大实验环境的方案,讨论了由虚拟机推动的适用于大规模开展的教学辅导和考试方式变革.     

花岗岩潜山裂缝地震预测技术

在大量文献调研基础上,分析常用的花岗岩潜山裂缝地震预测技术应用的前提条件、应用效果及优缺点。得到以下结论：①构造导向滤波技术可以提高叠后地震资料信噪比,“两宽一高”地震资料能显著提高潜山顶面及内幕成像精度;②相干体技术不受解释误差影响但刻画精度低,且只能预测同相轴错断的断层;③曲率属性只能识别两侧存在地层褶曲现象的断裂;④蚂蚁体属性能定性识别小断层和大尺度裂缝,与叠前方位各向异性结合可实现大尺度及中等尺度裂缝发育带的定量预测;⑤与相干等传统叠后属性相比,最大似然体属性预测裂缝精度更高,能实现断裂带内部及裂缝密集发育区的预测,但缺乏主干断裂信息;⑥基于统计法的各向异性强度计算结果比基于椭圆拟合法的计算结果更准确。     

冀中坳陷束鹿凹陷致密油成藏特征探讨

致密油资源是目前和未来一段时间我国非常规油气勘探和开发的主体,具有连续性成藏的特点。利用地震、钻井地质和测试资料,结合勘探实践,对渤海湾盆地冀中坳陷束鹿凹陷泥灰岩致密油成藏特征进行了研究。结果表明,束鹿凹陷致密油藏的形成主要受优质烃源岩、致密储层的控制;具有源储一体、近源成藏特征,具备形成致密油的良好条件;平面上,凹陷洼槽中心区与斜坡带低部位是泥灰岩致密油主要分布区,纵向上集中于沙三下亚段厚层泥灰岩段,具有纵向上整体含油、平面上局部富集分布特征。研究区存在围绕中洼和南洼的两个泥灰岩致密油规模分布区,目前多口井已钻获工业油气流,资源潜力大,为下步有利勘探区。     

矩形巷道围岩应力的分布规律与实例分析

针对大断面矩形巷道围岩应力这一问题,将矩形巷道应力问题简化为无限大弹性平面内的矩形孔问题。对应力在复平面内的一般表达式与边界条件进行保角变换,得到复平面上矩形孔应力分量表达式,通过推导得出了矩形巷道在极坐标系下单位圆的映射函数,进而得出矩形巷道围岩应力的弹性解。通过依照目标巷道的地质环境对解析式不同参数赋值,利用MATHCAD与ORIGN得出了保角变换后巷道的等效轮廓线以及在极坐标下不同宽高比与侧压系数下的径向应力分布规律。通过极坐标系向直角坐标系的转化公式描绘出了在巷道不同位置应力变化趋势。结果表明巷道宽高比宽高比越大,帮部应力越小,顶板应力越大。侧压系数越大,顶板应力峰值越大。     

利用广义S变换频谱分解不连续性检测技术预测断溶体油藏

为了描述以杂乱相地震反射为特征的断溶体油藏，在常规不连续性检测技术基础上，采用结合相干技术与广义S变换频谱分解的不连续性检测技术。首先进行广义S变换的频谱分解计算，并通过自适应主频优选技术，得到突出不同深度、不同尺度信息的振幅谱数据体，作为不连续性检测的输入，实现对原始地震记录的自适应多尺度不连续性分析，刻画了断溶体边缘由于垮塌作用而引起的小断裂。与常规不连续性属性技术相比，此方法能更好地检测地层细微变化，具有更高的抗噪性，对于刻画"串珠"状周围的杂乱相储层取得了很好的应用效果。     

利用叠前振幅和速度各向异性的联合反演方法

基于振幅方位各向异性的裂缝检测方法对介质的各向异性程度敏感，分辨率高、易操作，但抗干扰能力差，对地震数据有较高的要求。为此，提出了利用叠前振幅和速度各向异性的联合反演方法。对于每一个微小时窗，将该时窗底界速度反演得到的各向异性梯度作为该时窗顶界振幅反演的约束，移动时窗进而得到一个反演体。模型测试和实际资料应用效果表明：①与叠前、叠后振幅各向异性反演相比，所提方法的反演精度最高。②在gs1井区，叠前速度各向异性反演结果与井裂缝曲线吻合较好，可作为振幅反演的约束，但较振幅各向异性反演的分辨率低，二者联合反演改善了速度反演分辨率低的问题。     

区块链赋能多边缘安全联邦学习模型研究

联邦学习是一种革命性的深度学习模式,可以保护用户不暴露其私有数据,同时合作训练全局模型。然而某些客户端的恶意行为会导致单点故障以及隐私泄露的风险,使得联邦学习的安全性面临极大挑战。为了解决上述安全问题,在现有研究的基础上提出了一种区块链赋能多边缘联邦学习模型。首先,通过融合区块链替代中心服务器来增强模型训练过程的稳定性与可靠性;其次,提出了基于边缘计算的共识机制,以实现更加高效的共识流程;此外,将声誉评估融入到联邦学习训练流程中,能够透明地衡量每一个参与者的贡献值,规范工作节点的行为。最后通过对比实验证明,所提方案在恶意环境下仍然能够保持较高的准确度,与传统的联邦学习算法相比,该方案能够抵抗更高的恶意比例。     

散射成像在小尺度缝洞体识别中的应用——以川中古隆起灯影组为例

川中古隆起灯影组的小尺度岩溶缝洞单元在地震剖面上响应特征不明显,灯影组气藏缝洞体的地震刻画异常困难.为了加强小尺度缝洞体的地震反射特征、预测小尺度缝洞体的分布,基于全方位局部角度域成像方法,对全方位共倾角道集进行散射叠加成像,增强了小尺度缝洞体的地震响应.根据小尺度缝洞体在散射成像频谱中表现的强能量谱特征,提取散射成像...