期刊导航
期刊开放获取
上海教育软件发展有限公..
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
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
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
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：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于支持向量机(SVM)的不同咸化程度烃源岩总有机碳含量预测模型
被引量：
14
1
作者
初勇志
刘成林
+1 位作者
太万雪
阳宏
《石油实验地质》
CAS
CSCD
北大核心
2022年第4期739-746,共8页
总有机碳含量(TOC)作为评价烃源岩有机质丰度的重要参数,其精确预测对油气勘探开发具有重要意义。目前总有机碳含量预测以Δlog R方法、多元回归分析等基于统计分析的方法为主,存在泛化能力弱、主观性强等问题。机器学习方法的引入,可...
总有机碳含量(TOC)作为评价烃源岩有机质丰度的重要参数,其精确预测对油气勘探开发具有重要意义。目前总有机碳含量预测以Δlog R方法、多元回归分析等基于统计分析的方法为主,存在泛化能力弱、主观性强等问题。机器学习方法的引入,可有效解决这类非稳定性、非线性、高复杂性的问题,但当下的研究仍停留在方法的比较与选取层面,没有对优良模型进行深入分析并检验其适用性。采用应用效果更好的支持向量机模型进行总有机碳含量预测,选取渤海湾盆地渤中凹陷古近系东营组淡水湖相和柴达木盆地西部狮子沟地区古近系咸化湖相烃源岩作为研究对象,对模型的效果进行检验与对比。通过相关性和XGBoost特征重要性分析,选定声波时差(DT)、体积密度(DEN)、自然电位(SP)、自然伽马(GR)、深度等作为输入层,以总有机碳含量作为输出层,确立SVM烃源岩总有机碳含量预测模型。研究结果表明,模型在应用至差异较大的沉积环境时具有很强的泛化能力以适应不同地区的地质特征;测井曲线对于烃源岩有机质丰度的敏感性由于沉积环境存在差异而有所区别。该模型在渤海湾盆地淡水湖相区域的应用中相关性更高,误差更小。
展开更多
关键词
总有机碳含量预测
测井资料
支持向量机
渤海湾盆地
柴达木盆地
在线阅读
下载PDF
职称材料
基于机器学习的页岩气总有机碳含量预测模型
被引量：
7
2
作者
魏明强
周金鑫
+1 位作者
段永刚
董全
《科学技术与工程》
北大核心
2023年第30期12917-12925,共9页
总有机碳含量(total organic carbon,TOC)是评价页岩气藏生烃能力的重要指标,对页岩气藏地质“甜点”的准确预测至关重要。现有页岩气藏TOC含量预测方法存在主观性强、泛化能力弱等缺点,以川南海相页岩气藏为研究对象,通过对研究区块测...
总有机碳含量(total organic carbon,TOC)是评价页岩气藏生烃能力的重要指标,对页岩气藏地质“甜点”的准确预测至关重要。现有页岩气藏TOC含量预测方法存在主观性强、泛化能力弱等缺点,以川南海相页岩气藏为研究对象,通过对研究区块测井资料和实验室岩心分析结果的整理,优选出自然伽马、密度等测井参数作为模型训练的特征向量,建立总有机碳含量的多层前馈神经网络(back propagation,BP)和支持向量机预测模型,分析不同模型之间的差异,对模型特征组合、网络结构等影响因素进行分析,最后将预测的TOC结果与真实值对比。结果表明:基于不含能谱测井资料的BP神经网络预测模型更能真实地反映出测井资料与储层的非线性关系,为TOC的预测提供新的思路。
展开更多
关键词
总有机碳含量预测
支持向量机
BP神经网络
测井资料
在线阅读
下载PDF
职称材料
题名
基于支持向量机(SVM)的不同咸化程度烃源岩总有机碳含量预测模型
被引量：
14
1
作者
初勇志
刘成林
太万雪
阳宏
机构
中国石油大学(北京)油气资源与探测国家重点实验室
中国石油大学(北京)地球科学学院
出处
《石油实验地质》
CAS
CSCD
北大核心
2022年第4期739-746,共8页
基金
国家自然科学基金面上项目“咸化湖盆条件下盐类对地层超压的作用机制研究”(41872127)资助。
文摘
总有机碳含量(TOC)作为评价烃源岩有机质丰度的重要参数,其精确预测对油气勘探开发具有重要意义。目前总有机碳含量预测以Δlog R方法、多元回归分析等基于统计分析的方法为主,存在泛化能力弱、主观性强等问题。机器学习方法的引入,可有效解决这类非稳定性、非线性、高复杂性的问题,但当下的研究仍停留在方法的比较与选取层面,没有对优良模型进行深入分析并检验其适用性。采用应用效果更好的支持向量机模型进行总有机碳含量预测,选取渤海湾盆地渤中凹陷古近系东营组淡水湖相和柴达木盆地西部狮子沟地区古近系咸化湖相烃源岩作为研究对象,对模型的效果进行检验与对比。通过相关性和XGBoost特征重要性分析,选定声波时差(DT)、体积密度(DEN)、自然电位(SP)、自然伽马(GR)、深度等作为输入层,以总有机碳含量作为输出层,确立SVM烃源岩总有机碳含量预测模型。研究结果表明,模型在应用至差异较大的沉积环境时具有很强的泛化能力以适应不同地区的地质特征;测井曲线对于烃源岩有机质丰度的敏感性由于沉积环境存在差异而有所区别。该模型在渤海湾盆地淡水湖相区域的应用中相关性更高,误差更小。
关键词
总有机碳含量预测
测井资料
支持向量机
渤海湾盆地
柴达木盆地
Keywords
TOC prediction
logging data
Support Vector Machine
Bohai Bay Basin
Qaidam Basin
分类号
TE122.1 [石油与天然气工程—油气勘探]
在线阅读
下载PDF
职称材料
题名
基于机器学习的页岩气总有机碳含量预测模型
被引量：
7
2
作者
魏明强
周金鑫
段永刚
董全
机构
西南石油大学石油与天然气工程学院
中国石油西南油气田分公司勘探事业部
出处
《科学技术与工程》
北大核心
2023年第30期12917-12925,共9页
基金
中国石油-西南石油大学创新联合体科技合作项目(2020CX030202)。
文摘
总有机碳含量(total organic carbon,TOC)是评价页岩气藏生烃能力的重要指标,对页岩气藏地质“甜点”的准确预测至关重要。现有页岩气藏TOC含量预测方法存在主观性强、泛化能力弱等缺点,以川南海相页岩气藏为研究对象,通过对研究区块测井资料和实验室岩心分析结果的整理,优选出自然伽马、密度等测井参数作为模型训练的特征向量,建立总有机碳含量的多层前馈神经网络(back propagation,BP)和支持向量机预测模型,分析不同模型之间的差异,对模型特征组合、网络结构等影响因素进行分析,最后将预测的TOC结果与真实值对比。结果表明:基于不含能谱测井资料的BP神经网络预测模型更能真实地反映出测井资料与储层的非线性关系,为TOC的预测提供新的思路。
关键词
总有机碳含量预测
支持向量机
BP神经网络
测井资料
Keywords
TOC prediction
support vector machine
BP neural network
logging data
分类号
TE348 [石油与天然气工程—油气田开发工程]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于支持向量机(SVM)的不同咸化程度烃源岩总有机碳含量预测模型
初勇志
刘成林
太万雪
阳宏
《石油实验地质》
CAS
CSCD
北大核心
2022
14
在线阅读
下载PDF
职称材料
2
基于机器学习的页岩气总有机碳含量预测模型
魏明强
周金鑫
段永刚
董全
《科学技术与工程》
北大核心
2023
7
在线阅读
下载PDF
职称材料
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
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
