遗传神经网络在水淹层识别中的应用

本文利用遗传神经网络实现了水淹层的自动识别。根据关键井的统计数据,首先建立起标准的流体测井相数据库,合理地划分储层水淹级别。然后利用遗传神经网络对已知样本进行训练,识别水淹层。遗传神经网络比简单的BP神经网络性强,收敛速度快。用训练好的遗传神经网络对研究工区的水淹情况进行研究,取得了较好的效果。     

基于测井曲线元的裂缝定量识别

在大量观察岩心资料并对裂缝特征进行详细描述的基础上,对测井曲线进行岩心标定.利用常规测井曲线识别裂缝发育段,计算了裂缝的相关参数.提出测井曲线元的概念,并严格刻画了裂缝曲线元的数字特征,给出1种行之有效的判别裂缝存在的方法.关键井岩心资料证明该方法能够有效地识别裂缝.     

基于BP神经网络的油气产量历史预测

分析了常规油田开发模型所存在的问题;探讨了应用神经网络技术进行油气产量历史预测的可行性。油田实际资料验证评价结果表明：该法模拟预测精度高,效果好,简单实用,不失为油气产量动态预测的一条新途径。     

测井曲线元数学特性及沉积微相定量识别

随着油田开发的不断深入 ,测井资料在沉积微相研究中起到了更为重要的作用。研究了各种沉积微相在测井曲线上的表现特征 ,在此基础上引入了测井曲线元的概念 ;从沉积微相的角度 ,详细分析了描述测井曲线元形态特征的基本要素 ,并对其数学特性进行了刻画 ;建立了箱形、钟形等几种典型曲线形态定量化解释的数学模型 ,并开发了相应的软件系统。上述研究成果为沉积微相定量化研究提供了一种可借鉴的方法。     

高含水期水淹层的定量识别

首先讨论水淹层在测井曲线上的变化特征，然后结合实际资料，对关键井储层水淹级别进行了研究，给出了与储层非均质性和流体性质密切相关的特征参数的计算方法，并根据关键井的资料建立了用于遗传神经网络学习的样本。在此基础上，利用遗传神经网络(GA—BP)对此样本数据库进行训练，建立水淹层定量识别遗传神经网络模型，然后利用此模型对进行未知储层判别，识别水淹层，划分水淹级别。实际计算表明，该方法在油田高含水期定量识别水淹层是有效的。     

高含水期水淹层的定量识别

首先讨论水淹层在测井曲线上的变化特征 ,然后结合实际资料 ,对关键井储层水淹级别进行了研究 ,给出了与储层非均质性和流体性质密切相关的特征参数的计算方法 ,并根据关键井的资料建立了用于遗传神经网络学习的样本。在此基础上 ,利用遗传神经网络 (GA -BP)对此样本数据库进行训练 ,建立水淹层定量识别遗传神经网络模型 ,然后利用此模型对进行未知储层判别 ,识别水淹层 ,划分水淹级别。实际计算表明 ,该方法在油田高含水期定量识别水淹层是有效的。     

测井沉积微相自动识别与应用

利用测井资料快速准确地确定沉积微相是油田勘探开发需要研究解决的问题.提出了一种方法,根据测井曲线的变化特点,自动划分沉积旋回,并通过描述曲线形态变化的一系列特征参数,自动判断沉积微相.完善了自动划分沉积旋回和沉积微相的计算机程序,处理了苏里格气田的资料,收到了较好的效果.     

利用分形插值曲面研究渗透率的分布特征

根据分形理论,建立了分形模型,利用分形插值曲面公式形成了某地区的渗透率横向分布曲面,这种渗透率的横向分形分布图直观地显示了地层的渗透特性,为进一步研究该地区孔渗特性,进行沉积相、测井相的研究以及油藏描述提供了有力的证据。     

利用遗传神经网络识别水淹层

胜坨油田水淹非常严重，有效的识别水淹层并定量地划分水淹级别，对油田开发非常重要。利用遗传神经网络实现了水淹层的自动识别。根据关键井的统计数据，首先建立标准的流体测井相数据库，合理地划分储层水淹级别，然后利用遗传神经网络对已知样本进行训练。遗传神经网络比简单的BP神经网络鲁棒性强，收敛速度快。用训练好的遗传神经网络对胜坨油田的水淹情况进行研究，取得了较好的效果。     

中国测井技术一个潜在的领域—地下水的研究

尽管测井技术在１９２７年法国就开始应用了，但是它的应用范围至今基本上仍然局限于其最「初的应用领域。本文重新提出测井在地下水研究中的应用，就我国目前面临的人口压力和水资源的状况而言，对于测井技术来说，很何能会有一个全新的和广阔的市场。在我国石油行业面临体制改革和企业重组，而且国家正面临着严重的水资源短缺的时候，重新提出这一点是非常重要的。本文分析了将这一技术应用到地下水的研究中的可行性和实用性，同时