检索结果-维普期刊中文期刊服务平台

地质模型反演预测隐蔽油气藏被引量：22: 1; 作者文钢锋王智 +1 位作者韩军谷斌《岩性油气藏》 CSCD 2009年第1期94-98,共5页; 常规波阻抗反演难以解决岩性油气藏勘探开发的难题。地质模型反演技术和方法是运用钻井、地质资料和参数建立地质模型,在地质模型的约束下进行反演,得到相应的地质数据体(密度、电阻率、速度数据体等),根据数据体进行分析可以预测油气... 展开更多; 关键词地质模型模型反演油气藏预测岩性油气藏; 在线阅读下载PDF 职称材料

高精度重力勘探直接预测油气藏的方法被引量：9: 2; 作者王西文 I.N.米哈依诺夫《石油地球物理勘探》 EI CSCD 北大核心 1996年第4期569-574,共6页; 关键词重力勘探精度油气藏预测油气勘探; 在线阅读下载PDF 职称材料

陆相断陷盆地相控油气特征及其基本模式被引量：36: 3; 作者庞雄奇李丕龙 +3 位作者陈冬霞张善文张俊于轶星《古地理学报》 CAS CSCD 北大核心 2011年第1期55-74,共20页; 地质相是沉积地层内沉积物(岩)形成条件的物质表现,由宏观到微观分为4个层次,即构造相、沉积相、岩石相和岩石物理相。不同层次地质相的控油气作用具有不同形式的表现。研究表明,陆相断陷盆地内不同的构造单元、不同的沉积相控制着不同... 展开更多; 关键词中国陆相盆地断陷盆地地质相油气成藏油气藏分布预测; 在线阅读下载PDF 职称材料

深度神经网络模型超参数选取及评价研究——以含油气性多波地震响应特征提取为例被引量：4: 4; 作者杨久强林年添 +2 位作者张凯田高鹏崔岩《石油物探》 CSCD 北大核心 2022年第2期236-244,320,共10页; 深度神经网络通过分析由不同地质和地球物理来源获得的数据之间的相关性确定油气储层特征,从而开展地震油气储层分布预测。经过适当的训练,深度神经网络可以通过识别与样本数据相关的复杂非线性关系来预测油气储层性质,然而目前仍缺少... 展开更多; 关键词多波地震数据深度神经网络超参数选取模型评价特征提取油气藏分布预测; 在线阅读下载PDF 职称材料

基于Swin Transformer的地震相识别模型被引量：3: 5; 作者硕良勋李志轩 +2 位作者柴变芳王天意郑晓东《天然气工业》 EI CAS CSCD 北大核心 2024年第12期63-72,共10页; 地震相识别是油气勘探开发过程中的一项重要技术,但该技术长期存在方法模型训练速度较慢、预测耗时、解释结果人为主观性较强,以及各层特征提取忽略多尺度特征等问题。为此,针对目前地震相识别精度不够且计算成本高的问题,构建了一个基... 展开更多; 关键词地震相识别语义分割模型 Swin Transformer 多尺度特征油气藏预测; 在线阅读下载PDF 职称材料

题名地质模型反演预测隐蔽油气藏被引量：22: 1; 作者文钢锋王智韩军谷斌; 机构中国地质大学(北京)能源学院中国石油新疆油田公司准东勘探开发研究所中国石油新疆油田公司勘探公司中国石油新疆油田公司工程监督中心; 出处《岩性油气藏》 CSCD 2009年第1期94-98,共5页; 文摘常规波阻抗反演难以解决岩性油气藏勘探开发的难题。地质模型反演技术和方法是运用钻井、地质资料和参数建立地质模型,在地质模型的约束下进行反演,得到相应的地质数据体(密度、电阻率、速度数据体等),根据数据体进行分析可以预测油气藏。准噶尔盆地白家海地区地质条件复杂、构造圈闭贫乏的C8井区,侏罗系三工河组储层与非储层波阻抗差异较小,而密度和电阻率差异明显,经过地质模型反演,得到密度和电阻率数据体,进行交会预测油气藏分布,预测结果基本得到了验证。; 关键词地质模型模型反演油气藏预测岩性油气藏; Keywords geological model model inversion reservoir prediction lithologic reservoirs; 分类号 P631.4 [天文地球—地质矿产勘探]; 在线阅读下载PDF 职称材料

题名高精度重力勘探直接预测油气藏的方法被引量：9: 2; 作者王西文 I.N.米哈依诺夫; 机构西北石油地质研究所全俄地球物理研究院; 出处《石油地球物理勘探》 EI CSCD 北大核心 1996年第4期569-574,共6页; 关键词重力勘探精度油气藏预测油气勘探; 分类号 P618.130.8 [天文地球—矿床学] P631.7 [天文地球—地质矿产勘探]; 在线阅读下载PDF 职称材料

题名陆相断陷盆地相控油气特征及其基本模式被引量：36: 3; 作者庞雄奇李丕龙陈冬霞张善文张俊于轶星; 机构油气资源与探测国家重点实验室中国石油大学盆地与油藏研究中心中国石油化工股份有限公司胜利油田分公司; 出处《古地理学报》 CAS CSCD 北大核心 2011年第1期55-74,共20页; 基金国家重大基础研究规划973项目(编号:2006CB202300)资助; 文摘地质相是沉积地层内沉积物(岩)形成条件的物质表现,由宏观到微观分为4个层次,即构造相、沉积相、岩石相和岩石物理相。不同层次地质相的控油气作用具有不同形式的表现。研究表明,陆相断陷盆地内不同的构造单元、不同的沉积相控制着不同类型油气藏的形成与分布;不同的构造单元和不同的沉积相的储油气层的临界孔隙度和渗透率随埋藏深度增大而降低;在不考虑构造和沉积相背景条件下,不能依据地层的绝对孔渗条件判别和评价有效储集层。沉积颗粒不粗不细的优相砂岩类地层控制着油气的富集成藏;相同背景条件下相对高孔渗的储集层控制着油气的富集成藏。优相与相对高孔渗控藏是相控油气作用的基本模式。利用相控油气作用的基本模式可以预测有利成藏领域。; 关键词中国陆相盆地断陷盆地地质相油气成藏油气藏分布预测; Keywords continental basin in China fault basin geofacies hydrocarbon generation and expulsion prediction of the oil and gas reservoir distribution; 分类号 TE121.13 [石油与天然气工程—油气勘探]; 在线阅读下载PDF 职称材料

题名深度神经网络模型超参数选取及评价研究——以含油气性多波地震响应特征提取为例被引量：4: 4; 作者杨久强林年添张凯田高鹏崔岩; 机构山东科技大学地球科学与工程学院核工业湖州勘测规划设计研究院股份有限公司; 出处《石油物探》 CSCD 北大核心 2022年第2期236-244,320,共10页; 基金山东省自然科学基金项目(ZR202103050722) 国家自然科学基金项目(41174098,41374126)共同资助。; 文摘深度神经网络通过分析由不同地质和地球物理来源获得的数据之间的相关性确定油气储层特征,从而开展地震油气储层分布预测。经过适当的训练,深度神经网络可以通过识别与样本数据相关的复杂非线性关系来预测油气储层性质,然而目前仍缺少深度神经网络超参数的选取对地震油气藏分布预测结果影响的系统性研究。为此,在分析深度神经网络隐含层数目、隐含层节点数及激活函数的基础上,探讨了深度神经网络模型超参数选取对含油气性多波地震响应特征提取结果的影响,并利用多种评价指标对不同网络结构模型的性能进行了对比。结果表明,深度神经网络隐含层数目等超参数的选取会影响地震油气藏分布范围的预测精度;同时,深度神经网络在参数选取满足精度要求(即均方误差MSE小于0.001)的情况下,可以取得良好的预测结果,从而验证了深度神经网络用于含油气性多波地震响应特征提取的有效性和可行性。; 关键词多波地震数据深度神经网络超参数选取模型评价特征提取油气藏分布预测; Keywords multicomponent composite attribute deep neural network hyperparameter selection model evaluation characteristic extraction oil and gas reservoir boundary distribution prediction; 分类号 P631 [天文地球—地质矿产勘探]; 在线阅读下载PDF 职称材料

题名基于Swin Transformer的地震相识别模型被引量：3: 5; 作者硕良勋李志轩柴变芳王天意郑晓东; 机构河北地质大学信息工程学院河北地质大学地球科学学院河北省智能传感物联网技术工程研究中心; 出处《天然气工业》 EI CAS CSCD 北大核心 2024年第12期63-72,共10页; 基金河北省重点研发计划项目“基于时空大数据及深度学习的地质灾害风险识别关键技术研究(编号:22375415D)” 河北省石家庄市科技局项目“融合频谱分析和深度学习的地震反射模式提取及地震解释研究”(编号:241790607A)。; 文摘地震相识别是油气勘探开发过程中的一项重要技术,但该技术长期存在方法模型训练速度较慢、预测耗时、解释结果人为主观性较强,以及各层特征提取忽略多尺度特征等问题。为此,针对目前地震相识别精度不够且计算成本高的问题,构建了一个基于Swin Transformer的地震相识别模型(Seismic Facies Identification based on Swin Transformer,SFI-ST),首先联合卷积神经网络,利用编码器和解码器不断捕捉地震相细节特征,然后采用两种不同的数据集测试并评估模型的有效性,同时考虑到数据集划分对模型的影响,针对不同划分比例进行性能分析对比,最后对模型进行了消融实验以及抗噪性分析。研究结果表明:①编码器使用的Swin Transformer模块具有较好的特征提取能力,基于较小移动窗口进行特征提取的策略保证模型更快地学习高分辨率地震剖面特征,在各移动窗口使用自注意力机制计算特征的方法保证模型在较大视野下更准确地提取局部特征;②Swin Transformer使用逐层特征融合的方式,在提升特征提取速度的同时保证模型获取更多尺度的特征;③融合Swin Transformer和卷积神经网络模块实现各层特征提取,增强了模型对轮廓、边缘的提取能力。结论认为:①SFI-ST模型应用于两工区数据上的平均交并比分别为73.2%和77.6%,相较于其他主流深度学习算法至少分别提升了10.7%和6.0%,SFI-ST模型运行时间分别为0.62 h和2.88 h,相较于其他主流深度学习算法至少减少了15.1%和24.2%;②SFI-ST模型一定程度上解决了现有地震相智能识别方法识别速度慢、精度低等问题,为地震相识别提供了新方法,在技术上助力了油气勘探开发进程。; 关键词地震相识别语义分割模型 Swin Transformer 多尺度特征油气藏预测; Keywords Seismic facies identification Semantic segmentation model Swin Transformer Multi-scale features Oil and gas reservoir prediction; 分类号 TE19 [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	作者	出处	发文年	被引量	操作
1	地质模型反演预测隐蔽油气藏	文钢锋王智韩军谷斌	《岩性油气藏》 CSCD	2009	22	在线阅读下载PDF 职称材料
2	高精度重力勘探直接预测油气藏的方法	王西文 I.N.米哈依诺夫	《石油地球物理勘探》 EI CSCD 北大核心	1996	9	在线阅读下载PDF 职称材料
3	陆相断陷盆地相控油气特征及其基本模式	庞雄奇李丕龙陈冬霞张善文张俊于轶星	《古地理学报》 CAS CSCD 北大核心	2011	36	在线阅读下载PDF 职称材料
4	深度神经网络模型超参数选取及评价研究——以含油气性多波地震响应特征提取为例	杨久强林年添张凯田高鹏崔岩	《石油物探》 CSCD 北大核心	2022	4	在线阅读下载PDF 职称材料
5	基于Swin Transformer的地震相识别模型	硕良勋李志轩柴变芳王天意郑晓东	《天然气工业》 EI CAS CSCD 北大核心	2024	3	在线阅读下载PDF 职称材料