期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到1,665篇文章
< 1 2 … 84 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
苏里格气田南区古生界测井曲线与储层关系研究
1
作者 薛雯 陈志华 《国外测井技术》 2025年第2期59-65,共7页
苏里格气田是目前中国陆上最大整装天然气田,天然气总资源量3.8万亿立方米,但是苏里格气田地表、地质情况复杂,储气层厚薄不一,大部分气藏储存在砂岩里,气田开发十分困难,本文结合工作实际,论述了苏里格南区主要的地层特征及其测井曲线... 苏里格气田是目前中国陆上最大整装天然气田,天然气总资源量3.8万亿立方米,但是苏里格气田地表、地质情况复杂,储气层厚薄不一,大部分气藏储存在砂岩里,气田开发十分困难,本文结合工作实际,论述了苏里格南区主要的地层特征及其测井曲线在该地层的响应规律以及如何准确分层。 展开更多
关键词 苏里格气田 岩性 测井曲线特征 分层
在线阅读 下载PDF
一种基于预训练语言模型XLNet的测井曲线重构方法
2
作者 曹茂俊 赵宇杰 《计算机技术与发展》 2025年第2期183-190,共8页
在油田勘探开发过程中,测井曲线作为地球物理测井的第一手资料,能够真实反映地下空间的分布与特性。然而,在实际工作中,由于井壁垮塌和仪器故障等原因,部分测井数据常常出现失真或缺失。为解决这一问题,该文提出了一种基于预训练语言模... 在油田勘探开发过程中,测井曲线作为地球物理测井的第一手资料,能够真实反映地下空间的分布与特性。然而,在实际工作中,由于井壁垮塌和仪器故障等原因,部分测井数据常常出现失真或缺失。为解决这一问题,该文提出了一种基于预训练语言模型XLNet的测井曲线重构方法。该方法通过筛选地层地质岩性特征指数,获取高质量的训练样本,并将其作为预训练模型重构测井曲线的依据。构建并训练带有预训练权重信息的XLNet模型,使模型具备对复杂地层特性的理解和数据重构能力。在模型的构建与训练过程中,引入了预训练权重,并进一步结合了LoRA(Low-Rank Adaptation)模块,以充分利用测井曲线之间的高度依赖关系,进而辅助XLNet生成和补全失真或缺失的测井数据。与已知曲线重构模型:基于注意力表征的长短期记忆神经网络(LSTM-Attent)、双向门控神经网络(BiGRU)、TimesNet及XLNet相比,基于预训练语言模型XLNet-LoRA的测井曲线重构模型具有更高的预测准确性。 展开更多
关键词 测井曲线重构 深度学习 预训练语言模型 XLNet网络 LoRA机制
在线阅读 下载PDF
鄂尔多斯盆地南部Y地区测井曲线标准化及其效果
3
作者 周万勇 董亮 +1 位作者 李功强 骆淼 《工程地球物理学报》 2025年第1期109-117,共9页
为了实现区域大量测井数据的标准化,消除不同井之间测井数据存在的系统误差,本文以鄂尔多斯南部地区Y地区的测井数据为例,研究了测井数据标准化的方法。针对研究区域的地层特点,本文选取延安组延7中部的泥岩层作为标准层,使用频数直方... 为了实现区域大量测井数据的标准化,消除不同井之间测井数据存在的系统误差,本文以鄂尔多斯南部地区Y地区的测井数据为例,研究了测井数据标准化的方法。针对研究区域的地层特点,本文选取延安组延7中部的泥岩层作为标准层,使用频数直方图法分析了标准层测井曲线值的分布特征,得到虚拟参考井的测井值,其他井根据虚拟参考井的测井值进行校正。以W2-2井和W2-3井为例,绘制了自然伽马、声波时差、密度和补偿中子测井曲线标准化前后的对比图,使用岩心测试孔隙度、密度与标准化前后的测井孔隙度、密度进行对比,结果表明:经过标准化处理之后的密度、孔隙度测井值更加接近岩心测试的结果。 展开更多
关键词 测井曲线 标准化 标准层 频数直方图 效果分析
在线阅读 下载PDF
基于机器学习和SHAP算法的声波测井曲线重构及可解释性分析
4
作者 黎子豪 蒋恕 《地质科技通报》 北大核心 2025年第1期321-331,共11页
测井技术是查明地下岩性、地层及地质流体的关键技术手段,在石油勘探行业中发挥着至关重要的作用。然而,由于仪器损坏、井眼条件等因素,经常造成测井数据缺失、曲线不全等问题,传统多元线性回归或经验公式方法无法合理地构建测井曲线间... 测井技术是查明地下岩性、地层及地质流体的关键技术手段,在石油勘探行业中发挥着至关重要的作用。然而,由于仪器损坏、井眼条件等因素,经常造成测井数据缺失、曲线不全等问题,传统多元线性回归或经验公式方法无法合理地构建测井曲线间的关系模型使得曲线重构精度相对较低,机器学习算法虽能在大量数据之间找到最为合适的数据映射关系进而提高模型精度,但相较而言其所构建的黑箱模型无法得到良好的解释。近期,可解释性算法的运用使得机器学习在重构测井曲线中的应用更为合理。通过将支持向量回归(support vector regression,简称SVR),随机森林(random forest,简称RF)以及极限梯度提升(extreme gradient boosting,简称XGBoost)和传统多元线性回归方法(linear regression,简称LR)的对比对英国能源局22-30b-11号井声波测井曲线进行了模型重构并基于shapley additive explanations(SHAP)算法对XGBoost模型进行了解释。结果表明,XGBoost在测试集上的决定系数(R2)和均方误差(MSE)分别为0.996,6.371,优于SVR的0.990、15.755和RF的0.993、9.871,而传统多元线性回归方法则为0.969、48.895,表明XGBoost对声波时差曲线的重构具有更高的准确度和更好的泛化性能。创新性地采用SHAP算法对XGBoost黑箱模型的解释表明,在模型构建选择重要特征时,XGBoost模型采用地层温度数据作为特征明显合理于多元线性回归方法采用的井径测井数据。最后基于SHAP对模型进行了单点和全局特征交互解释。上述结果表明在声波测井曲线重构方面,机器学习算法明显优于传统的多元线性回归方法,并证明了SHAP算法在声波测井曲线重构机器学习模型解释方面的可行性,为后续机器学习在测井解释中的发展提供了新的思路。 展开更多
关键词 测井曲线重构 机器学习 模型解释 SHAP算法 声波测井
在线阅读 下载PDF
基于测井曲线深程度耦合的页岩岩相智能识别方法
5
作者 刘粤蛟 赖富强 +4 位作者 徐浩 王濡岳 张晓树 罗彤彤 杨彬跃 《地质科技通报》 北大核心 2025年第1期308-320,共13页
四川盆地渝西区块五峰组-龙马溪组是国内典型的页岩气储层,其层间强非均质性,导致采集的测井曲线信息存在大量冗余且曲线间耦合关系复杂,岩相测井识别难度高、精度低,亟需技术方法创新。本文在岩相划分与分析的基础上,联合主成分分析法... 四川盆地渝西区块五峰组-龙马溪组是国内典型的页岩气储层,其层间强非均质性,导致采集的测井曲线信息存在大量冗余且曲线间耦合关系复杂,岩相测井识别难度高、精度低,亟需技术方法创新。本文在岩相划分与分析的基础上,联合主成分分析法与随机森林算法构建了一种岩相智能识别方法。研究结果表明:①利用主成分分析法对测井曲线进行优化,可以使测井曲线深度耦合,削减测井信息冗余及曲线间复杂耦合关系等因素对岩相识别的影响,可得到更加科学有效的数据信息;②向原始数据添加不改变其岩相的微量变化,可以达到数据增强的效果,在一定程度上解决随机森林算法由于数据集比较小或者不平衡时,模型的泛化能力和稳定性差的问题;③联合主成分分析法与随机森林算法构建的岩相智能识别方法运用识别准确率达83%以上,适用性强,准确率高。该方法不仅在一定程度上克服了研究区岩相识别困难的问题,也极大地提高了岩相识别效率,对促进研究区页岩气经济高效开发具有重要意义。 展开更多
关键词 渝西区块 岩相识别 测井曲线深程度耦合 主成分分析法 随机森林算法 页岩
在线阅读 下载PDF
基于自编码器的域适应时空测井曲线预测模型
6
作者 刘成丽 朱晨光 《科技和产业》 2025年第3期13-19,共7页
以往研究中,测井曲线特征提取的不完整和模型构建较为简单,导致孔隙度预测精度受限。为提升预测精度,结合自编码器、长短期记忆网络和注意力机制,构建AE-LSTM-AT(自编码器-长短期记忆网络-注意力机制)模型。AE(自编码器)将源域数据和目... 以往研究中,测井曲线特征提取的不完整和模型构建较为简单,导致孔隙度预测精度受限。为提升预测精度,结合自编码器、长短期记忆网络和注意力机制,构建AE-LSTM-AT(自编码器-长短期记忆网络-注意力机制)模型。AE(自编码器)将源域数据和目标域数据的特征分布统一到同一空间,以降低因数据分布差异而引起的量纲变化对模型的干扰;改良后的LSTM(长短期记忆网络)在降低了参数量的同时,也增强了远距离时间步的特征影响,减少信息污染;而Attention (注意力)机制的引入动态计算每个时间步的注意力权重,从而更精准地聚焦关键特征,提高模型在处理序列数据时的性能和表现。设立对照组MLP(多层感知器)和LSTM,进行4组对比实验,实验证明本文的模型结构在长期预测及跨域预测问题上具有较优效果。 展开更多
关键词 自编码器 测井曲线 长短期记忆网络 注意力机制 孔隙度预测
在线阅读 下载PDF
基于Stacking集成学习的声波时差测井曲线复原研究 被引量：1
7
作者 曹志民 丁璐 韩建 《化工自动化及仪表》 CAS 2024年第3期470-476,共7页
声波时差测井曲线在石油勘探中发挥着不可或缺的作用,但是受地质或仪器的影响,经常会出现部分甚至完整的声波测井曲线缺失的情况。针对这一问题,提出了一种基于Stacking集成学习的声波时差测井曲线复原方法,该模型使用随机森林(RF)、梯... 声波时差测井曲线在石油勘探中发挥着不可或缺的作用,但是受地质或仪器的影响,经常会出现部分甚至完整的声波测井曲线缺失的情况。针对这一问题,提出了一种基于Stacking集成学习的声波时差测井曲线复原方法,该模型使用随机森林(RF)、梯度提升决策树(GBDT)、轻量梯度提升机(LightGBM)和极限梯度提升(XGBoost)作为基学习器,支持向量回归(SVR)作为元学习器,同时采用5折交叉验证的方法。实验选取了大庆油田某区块的实际测井数据,分别进行了同井和异井间的缺失声波时差测井曲线复原实验,结果表明,所提方法比单一模型预测更加准确,验证了此方法的可行性。 展开更多
关键词 声波时差测井曲线 Stacking集成学习 测井曲线复原 5折交叉验证
在线阅读 下载PDF
渤南洼陷页岩油储层夹层组测井曲线重处理检测与油气特征 被引量：1
8
作者 刘升余 于正军 +3 位作者 高秋菊 巴素玉 金春花 罗礼 《物探化探计算技术》 CAS 2024年第1期26-34,共9页
胜利油田济阳坳陷渤南地区沙三下泥岩是良好的页岩油储层,其中广泛发育碳酸盐岩夹层和砂岩夹层,纵向上密集分布构成夹层组。夹层组的分布对页岩油的富集具有较大的控制作用,对夹层组的检测成为页岩油勘探的关键。但夹层单层厚度薄(1 m~2... 胜利油田济阳坳陷渤南地区沙三下泥岩是良好的页岩油储层,其中广泛发育碳酸盐岩夹层和砂岩夹层,纵向上密集分布构成夹层组。夹层组的分布对页岩油的富集具有较大的控制作用,对夹层组的检测成为页岩油勘探的关键。但夹层单层厚度薄(1 m~2 m),纵向叠置复杂,横向变化快,加上测井曲线不具有良好对应的电性特征,因而夹层组检测难度极大。笔者首先以钻井岩屑、取心所描述的岩性特征为控制,对测井曲线进行重处理,极大地突出了夹层组电性特征。通过对水平井夹层组密度与产能分析,夹层组发育段产能占总产能的54%以上。同时在测井曲线重处理基础上进行高分辨率GR反演,获得夹层组的平面分布特征,与目前页岩油的开发结果非常吻合,从而有效地揭示了目标层位页岩油可能的富集区,为后期页岩油的勘探开发提供了坚实依据。 展开更多
关键词 页岩油 夹层组 测井曲线重处理 地震反演 油气特征
在线阅读 下载PDF
基于主成分自组织神经网络法的测井曲线分层技术 被引量：1
9
作者 张强 胡志伟 +1 位作者 王毛毛 周成号 《地质与勘探》 CAS CSCD 北大核心 2024年第5期1013-1020,共8页
在砂岩型铀矿找矿工作中,提高测井岩性分层效率和精度至关重要。为提高砂岩型铀矿岩性分层效果,本文采用主成分分析法对多个测井曲线进行降维处理,将主成分分析法的第一主成分、第二主成分、第三主成分作为自组织神经网络的样本数据,进... 在砂岩型铀矿找矿工作中,提高测井岩性分层效率和精度至关重要。为提高砂岩型铀矿岩性分层效果,本文采用主成分分析法对多个测井曲线进行降维处理,将主成分分析法的第一主成分、第二主成分、第三主成分作为自组织神经网络的样本数据,进行自组织神经网络训练,将训练好的网络模型用于砂岩型铀矿岩性的自动化分层。实验结果显示:主成分自组织神经网络法岩性分层精度可达到85%以上,高于传统自组织神经网络算法78%的分层精度,具有更好的测井岩性分层效果。因此,主成分自组织神经网算法的岩性分层方法有效减少了输入样本的种类,简化了自组织神经网络结构,其自动化分层效果要优于传统的自组织神经网络算法。本文的研究结果表明,主成分自组织神经网算法在砂岩型铀矿领域岩性识别工作中具有较好的应用效果。 展开更多
关键词 测井曲线 自组织神经网络算法 主成分分析法 岩性分层 砂岩型铀矿
在线阅读 下载PDF
基于深度学习的栅格测井曲线数字化研究
10
作者 周绪川 游皓天 《西南民族大学学报（自然科学版）》 CAS 2024年第3期305-311,共7页
栅格测井曲线是记录测井数据的模拟曲线,地质专家可根据所得曲线判断出具体岩性、层位等.目前无监督计算机视觉技术解释数字曲线算法中仍然存在对人工干预有依赖,处理时间较慢且准确率不高的问题,提出了一种基于深度学习的栅格测井曲线... 栅格测井曲线是记录测井数据的模拟曲线,地质专家可根据所得曲线判断出具体岩性、层位等.目前无监督计算机视觉技术解释数字曲线算法中仍然存在对人工干预有依赖,处理时间较慢且准确率不高的问题,提出了一种基于深度学习的栅格测井曲线数字化研究方法.该方法采用改进的U⁃net启发架构作为基础模型,结合栅格测井图像分辨率高的特性改变上下采样的残差块数量,并利用注意力增强的处理策略平衡在处理不同的输入和输出大小时保留其关键信号,再对栅格图像中的曲线进行语义分割减少背景干扰,增加数字化准确率.实验结果表明,与多条曲线的二值分割的真实数据相比,所提出的架构有效地对曲线进行了分类和数字化,在栅格测井图像数字化方面表现出较高的准确度和性能. 展开更多
关键词 深度学习 图像分割 栅格图像 测井曲线
在线阅读 下载PDF
测井曲线重构在井巷约束岩性反演中的应用
11
作者 苏朝晖 孙宇菲 黄秋林 《内蒙古煤炭经济》 2024年第14期106-108,共3页
随着煤炭开采陆续转入深井开采,地质条件越来越复杂,巷道施工设计比以往任何时候都重要。盾构机进行巷道掘进不仅可以提高煤炭开采速度,还能增加煤炭开采安全性。在盾构机掘进中,岩性分布会直接影响掘进进度和施工安全。巷道所处地层岩... 随着煤炭开采陆续转入深井开采,地质条件越来越复杂,巷道施工设计比以往任何时候都重要。盾构机进行巷道掘进不仅可以提高煤炭开采速度,还能增加煤炭开采安全性。在盾构机掘进中,岩性分布会直接影响掘进进度和施工安全。巷道所处地层岩性对于煤矿前期巷道掘进及后期巷道维护都具有重要意义。本文针对巷道掘进范围内砂岩层的岩性特征和测井响应特征进行测井综合分析,利用自然伽马曲线的岩性粒度敏感性以及与速度有较好对应关系的密度曲线重构速度曲线,利用重构后速度曲线进行井巷约束岩性反演,取得较好效果。 展开更多
关键词 测井曲线 测井曲线重构 地震岩性反演 储层预测
在线阅读 下载PDF
基于深度强化学习的测井曲线自动深度校正方法 被引量：3
12
作者 熊文君 肖立志 +1 位作者 袁江如 岳文正 《石油勘探与开发》 EI CAS CSCD 北大核心 2024年第3期553-564,共12页
针对传统测井曲线深度校正需要手动调整曲线,而对于多口井的深度校正工作量巨大,需要大量人工参与,且工作效率较低的问题,提出一种多智能体深度强化学习方法(MARL)来实现多条测井曲线自动深度匹配。该方法基于卷积神经网络(CNN)定义多... 针对传统测井曲线深度校正需要手动调整曲线,而对于多口井的深度校正工作量巨大,需要大量人工参与,且工作效率较低的问题,提出一种多智能体深度强化学习方法(MARL)来实现多条测井曲线自动深度匹配。该方法基于卷积神经网络(CNN)定义多个自上而下的双滑动窗口捕捉测井曲线上相似的特征序列,并设计一个智能体与环境的互动机制来控制深度匹配过程。通过双深度Q学习网络(DDQN)选取一个动作来平移或缩放测井特征序列,并利用反馈的奖励信号来评估每个动作的好坏,以学习到最优的控制策略达到提升深度校正精度的目的。研究表明,MARL方法可以自动完成多口井、不同测井曲线的深度校正任务,减少人工干预。在油田实例应用中,对比分析了动态时间规整(DTW)、深度Q学习网络(DQN)和DDQN等方法的测试结果,DDQN算法采用双网络评估机制有效改进了算法的性能,能够识别和对齐测井曲线特征序列上更多的细节,具有较高的深度匹配精度。 展开更多
关键词 人工智能 机器学习 深度校正 测井曲线 多智能体深度强化学习 卷积神经网络 双深度Q学习网络
在线阅读 下载PDF
基于多信息融合的层次聚类测井曲线自动分层方法 被引量：2
13
作者 张景越 肖小玲 +2 位作者 王鹏飞 向家富 张翔 《断块油气田》 CAS CSCD 北大核心 2024年第1期42-49,共8页
随着人工智能的快速发展,机器学习的应用范围越来越广泛,将机器学习的方法用于测井曲线分层可以提高分层效率和精度。在利用测井资料进行岩性识别、沉积相分析等研究时,先要对测井曲线进行分层。文中提出一种基于多信息融合的层次聚类... 随着人工智能的快速发展,机器学习的应用范围越来越广泛,将机器学习的方法用于测井曲线分层可以提高分层效率和精度。在利用测井资料进行岩性识别、沉积相分析等研究时,先要对测井曲线进行分层。文中提出一种基于多信息融合的层次聚类分层方法,实现了对测井曲线的自动分层。首先,采用滤波的方式滤除曲线上的噪点,对数据进行归一化处理,消除量纲的影响;其次,通过特征优选,选择包含较多地层信息的特征曲线,构造一个滤波器,将其中相似性较高的曲线融合,曲线融合的权值通过遗传算法求得;最后,使用层次聚类方法对多信息融合后的测井数据进行划分,将分层结果与人工分层结果进行对比验证。该方法能够提高分层效率,为地质勘探工作提供可靠的分层依据。 展开更多
关键词 多信息融合 层次聚类 测井曲线分层 滤波 遗传算法
在线阅读 下载PDF
基于混合集成学习模型的测井曲线生成方法 被引量：1
14
作者 王宵宇 廖广志 +3 位作者 肖立志 黄文松 孔祥文 赵子斌 《测井技术》 CAS 2024年第4期416-427,共12页
测井曲线在储集层评价和油气资源评估中具有十分重要的作用,但是实际应用中经常出现部分测井曲线缺失的情况,而重新测井的成本高昂且实现困难。为了在不增加经济成本的基础上补充缺失的测井曲线,提出了一种基于混合集成学习模型的测井... 测井曲线在储集层评价和油气资源评估中具有十分重要的作用,但是实际应用中经常出现部分测井曲线缺失的情况,而重新测井的成本高昂且实现困难。为了在不增加经济成本的基础上补充缺失的测井曲线,提出了一种基于混合集成学习模型的测井曲线生成方法,以高效智能的方式补全缺失的测井曲线。混合集成学习模型结合了随机森林模型和极限梯度提升模型的结构优势,深度挖掘测井数据之间的非线性映射关系,实现了对测井曲线的精准生成。将混合集成学习模型应用于实际测井数据,并将其生成结果与全连接神经网络模型和多元线性回归模型的生成结果进行对比分析,实验结果表明混合集成学习模型合成的人工测井曲线精度更高,说明了混合集成学习模型适用于生成测井曲线,为人工测井曲线合成提供了一种新的思路。 展开更多
关键词 测井曲线 曲线生成 多元线性回归 全连接神经网络 混合集成学习
在线阅读 下载PDF
基于模态分解与LSTM注意表征的测井曲线重构研究 被引量：1
15
作者 刘梦 韩建 +1 位作者 曹志民 刘兴斌 《电子学报》 EI CAS CSCD 北大核心 2024年第4期1399-1410,共12页
测井曲线记录着地层物理性质随深度变化的幅值范围,是测井与地震资料之间的纽带,对储层岩性分析与识别和后续的油气勘探工程十分重要.然而,在实际的测井过程中仪器故障等原因会造成测井曲线缺失的问题,重新测井不仅价格昂贵而且难以实现... 测井曲线记录着地层物理性质随深度变化的幅值范围,是测井与地震资料之间的纽带,对储层岩性分析与识别和后续的油气勘探工程十分重要.然而,在实际的测井过程中仪器故障等原因会造成测井曲线缺失的问题,重新测井不仅价格昂贵而且难以实现.针对地质勘探时测井数据时常缺失的问题,本文提出了一种LSTM(Long Short-Term Memory)注意力表征的测井曲线重构方法.同时,对原始测井信号进行两种模态分解,计算分解后得到模态分量与原始信号之间的相关性,去除冗余分量,实现对缺失的测井曲线高效、高精度的人工补全.将该方法用于声波(ACoustic,AC)与密度(DENsity,DEN)曲线重构实验,并将实验结果与LSTM网络和BP(Back Propagation)神经网络预测的结果进行对比分析.结果表明,LSTM-Attention模型有着更为优异的预测效果,重构后的AC和DEN与原始曲线之间的相关性分别达到了86.8%和74.8%,高于传统LSTM和BP神经网络预测方法.在去除冗余的信号分量后,相关系数分别提高了1.4%和4.0%.同时,本文所提方法预测出的测井曲线具有最低的预测误差.因此,基于LSTM注意表征的网络结构对测井曲线重构具有较好的预测精度. 展开更多
关键词 长短期记忆人工神经网络 注意力机制 测井曲线重构 VMD EMD
在线阅读 下载PDF
基于自动机器学习的测井曲线重构技术
16
作者 范翔宇 孟凡 +4 位作者 邓娟 赵鹏斐 廖思岚 陈雁 张千贵 《天然气工业》 EI CAS CSCD 北大核心 2024年第9期38-54,共17页
测井曲线在获取地下储层和油气信息时常因仪器故障、井眼垮塌等因素,导致部分井段测井曲线缺失或失真。相较于传统的经验模型和多元回归分析的测井曲线重构方法,机器学习可以更好地重构测井曲线、精准表征曲线之间复杂的非线性关系,但... 测井曲线在获取地下储层和油气信息时常因仪器故障、井眼垮塌等因素,导致部分井段测井曲线缺失或失真。相较于传统的经验模型和多元回归分析的测井曲线重构方法,机器学习可以更好地重构测井曲线、精准表征曲线之间复杂的非线性关系,但其仍存在普适性差、试错成本高和自动化程度低等问题。为此,以数据处理与特征工程、模型选择与调优、模型保存与预测、模型解释与公平性检验为技术流程,将自动控制技术应用于多模型选择与超参数调优过程中,配合数据预处理和可视化后处理手段,形成了一种基于自动机器学习的测井曲线重构工作流构建方法,并在生产中进行了验证。研究结果表明:(1)自动机器学习中,基于树的贝叶斯优化搜索可以兼顾预测性能和计算效率的平衡;(2)多模型的选择优于单一模型,可解释性分析和公平性检验可以指导模型选择,保证模型的泛化性;(3)加入地质分层和岩屑录井的非数值信息,有助于进一步提升预测的精度;(4)缺失值处理和标准化方法的选择会对模型性能产生一定的影响。结论认为:(1)相比于传统的机器学习方法,自动机器学习能够更好地发挥多模型选择与优化调参的潜能,自动化地寻找适应于研究目标的模型;(2)自动机器学习在提升精度和效率的同时降低了人工干预和试错成本,使机器学习方法能够更好地应用于石油地质勘探领域的各类预测任务。 展开更多
关键词 测井曲线 曲线重构 自动机器学习 特征工程 模型选择
在线阅读 下载PDF
基于常规测井曲线的页岩岩相识别与应用——以苏北盆地溱潼凹陷阜宁组二段为例
17
作者 王心乾 余文端 +6 位作者 马晓东 周韬 邰浩 崔钦宇 邓空 陆永潮 刘占红 《油气藏评价与开发》 CSCD 北大核心 2024年第5期699-706,713,共9页
页岩岩相的识别、划分在页岩油气勘探开发工作中具有重要的理论及实际意义。以苏北盆地溱潼凹陷古近系阜宁组二段页岩为研究对象,通过对典型钻井溱页1井岩心样品进行全岩/黏土X射线衍射分析,应用前人的页岩矿物组分“三端元”图解,得出... 页岩岩相的识别、划分在页岩油气勘探开发工作中具有重要的理论及实际意义。以苏北盆地溱潼凹陷古近系阜宁组二段页岩为研究对象,通过对典型钻井溱页1井岩心样品进行全岩/黏土X射线衍射分析,应用前人的页岩矿物组分“三端元”图解,得出该地区的页岩岩相类型。同时,利用一种基于原子搜索优化算法优化的BP(反向传播算法)神经网络方法对测井信息进行数据挖掘,以此建立黏土矿物、硅质矿物、碳酸盐岩矿物相对含量的预测模型,实现了通过自然能谱到页岩矿物含量的定量表征。最后应用该模型对溱页1井和沙垛1井阜宁组二段进行岩性预测及岩相识别,其识别结果与样品实测数据的岩相划分结果高度一致。研究为实现页岩岩相的间接识别提供了一个经济、快速、高效的方法,可通过测井曲线有效地预测页岩岩相组合体的主要矿物成分,为缺乏取心、实测样品井段的岩相识别提供依据。 展开更多
关键词 溱潼凹陷 阜宁组二段 测井曲线 页岩油气 岩相识别 神经网络
在线阅读 下载PDF
基于超参数优化LSTM的声波测井曲线生成技术 被引量：1
18
作者 刘建建 周军 +3 位作者 余卫东 陈江浩 樊琦 鄢高韩 《石油物探》 CSCD 北大核心 2024年第5期1061-1074,共14页
为解决声波测井曲线缺失或失真问题,使用传统方法重构测井曲线时,往往导致测井曲线精度不够。深度学习具有很强的数据表征能力,但建立模型面临超参数设定的不确定性和时间成本问题。为此,将异步连续减半算法(ASHA)与长短期记忆神经网络(... 为解决声波测井曲线缺失或失真问题,使用传统方法重构测井曲线时,往往导致测井曲线精度不够。深度学习具有很强的数据表征能力,但建立模型面临超参数设定的不确定性和时间成本问题。为此,将异步连续减半算法(ASHA)与长短期记忆神经网络(LSTM)模型相结合,设计实现了一种基于超参数优化LSTM的声波测井曲线生成技术,对缺失或失真曲线进行补全。以大庆油田6口井为例,首先通过相关性分析,优选自然伽马、密度、补偿中子曲线作为输入特征量搭建LSTM学习模型,然后采用ASHA对LSTM模型进行超参数调优,并与常见的贝叶斯优化、粒子群优化算法进行时效及精度对比,最后将调优得到的超参数组合应用于LSTM模型,并与多元回归、GRU、BILSTM 3种模型进行对比。该技术的应用结果表明:ASHA算法能更加高效准确地确定模型超参数,节省时间与人力成本,提高建模效率。基于ASHA优化的LSTM模型生成的声波测井曲线精度更高,该技术具有较好的适用性和精确性。 展开更多
关键词 测井曲线生成 深度学习 异步连续减半算法 长短期记忆神经网络 超参数优化
在线阅读 下载PDF
声波测井曲线约束层析反演在复杂构造区叠前深度偏移中的应用
19
作者 罗军梅 胡国斌 +1 位作者 张立 王雪静 《中文科技期刊数据库（全文版）自然科学》 2024年第7期0080-0085,共6页
文章针对GY地区小微断层发育,断层两侧速度变化异常导致成像难的问题,采用测井曲线约束的层析反演速度建模技术,融合测井数据构建初始速度模型能有效改善地震数据的频谱范围、提升反射数据精确度及增强信噪比,弥补传统方法的不足,深化... 文章针对GY地区小微断层发育,断层两侧速度变化异常导致成像难的问题,采用测井曲线约束的层析反演速度建模技术,融合测井数据构建初始速度模型能有效改善地震数据的频谱范围、提升反射数据精确度及增强信噪比,弥补传统方法的不足,深化处理解释一体化技术,提高研究区断阶带间小微断层的成像精度,精准定位潜在油储构造,减少勘探风险,为油气田勘探开发的可持续发展提供有力支撑。 展开更多
关键词 层析反演 测井曲线 速度分析 小断层成像
在线阅读 下载PDF
基于MAE神经网络的测井曲线地层自动识别方法
20
作者 白薷 王世玉 +4 位作者 张璐 张亮 杜炜 耿代 姚振杰 《天然气勘探与开发》 2024年第4期63-71,共9页
针对目前计算机自动分层识别准确率低,人工分层效率不高的问题,提出了一种基于掩码自编码器(MAE)神经网络算法的地层分层识别新方法。通过测井曲线优选,以自然电位、自然伽马、声波时差、电阻率、井位坐标和补心海拔作为输入特征变量进... 针对目前计算机自动分层识别准确率低,人工分层效率不高的问题,提出了一种基于掩码自编码器(MAE)神经网络算法的地层分层识别新方法。通过测井曲线优选,以自然电位、自然伽马、声波时差、电阻率、井位坐标和补心海拔作为输入特征变量进行模型训练及预测,再利用损失函数、准确率、精确率、召回率、F1值进行模型性能评估。研究结果表明:(1)基于MAE神经网络训练得到地层分层识别模型,预测准确率能够达到95.54%;(2) MAE神经网络模型与卷积神经网络和关注分层边界的卷积神经网络模型进行地层分层实验对比,MAE神经网络模型的性能和预测精度均较高,准确率分别提高了8.30%和6.32%,且无地层紊乱情况出现,具有明显分层优势;(3) MAE神经网络模型应用于未知井的地层分层中,自动分层预测准确率为98.07%。表明该方法具有较高的地层识别效果,为油田地层识别提供了一种基于自监督神经网络算法的理论支持和有益探索。 展开更多
关键词 掩码自编码器 自监督 神经网络 测井曲线 地层识别
在线阅读 下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 2 … 84 下一页 到第 页
使用帮助 返回顶部