-
题名神经网络在枣北地区火成岩储层测井解释中的应用
被引量：16
- 1
-
-
作者
邹长春
严成信
李学文
-
机构
石油勘探开发科学研究院
大港油田集团测井公司
-
出处
《石油地球物理勘探》
EI
CSCD
北大核心
1997年第A02期27-33,共7页
-
文摘
枣园北部（简称枣北）地区火成岩岩石矿物成分种类多、蚀变程度以及裂缝发育状况变化很大，其测井响应比其它岩石更为复杂，使用常规测井解释方法评价火成岩储层难度较大。本文阐述了应用神经网络解决火成岩储层测井解释中储层参数计算、油水层识别和岩性识别等问题。通过对该地区火成岩测井数据的处理与解释，取得了比较满意的效果。
-
关键词
神经网络
火成岩储层
测井数据解释
岩性
-
分类号
P631.84
[天文地球—地质矿产勘探]
TP18
[自动化与计算机技术—控制理论与控制工程]
-
-
题名一种自构神经网络及其在测井资料解释中的应用
- 2
-
-
作者
张志华
张志兵
肖慈珣
-
机构
成都理工学院
-
出处
《石油地球物理勘探》
EI
CSCD
北大核心
1997年第3期418-427,共10页
-
文摘
鉴于BP网络存在着学习过程收敛速度慢、网络容错能力差的缺点，本文提出一种自构神经网络算法。该算法分两部分：①将模糊集理论与神经网络相结合，提出一个模糊动态改变学习率的有效算法；②利用相关自动原理来动态调整网络的隐节点数，最终让其达到一个最佳的稳定状态。将此方法应用于江苏油田“镇四井”的测井资料解释，同已有的BP网络相比，效果明显，表明该算法是一种实用的有效算法。
-
关键词
BP算法
神经网络
测井数据解释
-
Keywords
BP algorithm, fuzzy system, self configuring, neural network,logging data interpretation,node analysis, error analysis, sample,porosity
-
分类号
P631.84
[天文地球—地质矿产勘探]
-
-
题名三种孔隙率测井资料解释方法
被引量：3
- 3
-
-
作者
孟伯恩
-
机构
江汉石油管理局测井研究所
-
出处
《石油地球物理勘探》
EI
CSCD
北大核心
1997年第3期428-430,共3页
-
文摘
目前，在常规测井方法中，均包含声波时差、密度和中子三种孔隙率测井资料。但在测井资料解释时往往仅使用一种资料，因而丢失了很多信息。为此，本文利用声波测井、密度测井和中子测井的读数建立了三种孔隙率测井资料解释的联立方程，并用克莱姆法则（Cramer定律）给出最终求解的公式。经过验算，公式正确可靠，可用于三种孔隙率测井资料的解释。
-
关键词
声波测井
密度测井
中子测井
测井数据解释
-
Keywords
porosity, acoustic logging,density logging,neutron logging, logging data interpretation,Cramer law
-
分类号
P631.84
[天文地球—地质矿产勘探]
-
-
题名深度学习技术在油气勘探中的研究进展与应用挑战
- 4
-
-
作者
于强
王宝江
张禄明
田涛
高志亮
任战利
畅伟
-
机构
长安大学地球科学与资源学院
长安大学智慧油气田研究院
凉山农业数字化转型四川省高等学校重点实验室
西昌学院信息技术学院
西昌学院机械与电气工程学院
陕西省煤田地质集团有限公司
西北大学
-
出处
《天然气工业》
北大核心
2025年第5期43-56,共14页
-
基金
国家自然科学基金项目“羌塘盆地构造热体制与烃源岩热演化时空差异”(编号:42241204)
“热年代学及多种古地温温标约束下银额叠合盆地苏红图坳陷上古生界热演化史恢复”(编号:42272152)
+2 种基金
西昌学院博士科研启动项目“基于地震信息处理的断缝识别技术研究”(编号:YBZ202138)
校企合作项目“镇巴地区页岩气藏三维地质模型构建与分析”(编号:YQZC-FW-2023-050)
延长油田股份公司施工项目“吴起采油厂胜利山智慧油气田建设二期”(编号:YT5323GST0004)。
-
文摘
随着全球能源领域“数智”及人工智能时代的到来,油气勘探面临着前所未有的机遇和挑战。深度学习技术作为人工智能领域的重要分支,在油气勘探中应用场景广泛,对其综合分析可为解决新时代油气勘探中复杂问题提供新的思路和方法。为此,通过深度学习技术在地震勘探、测井、岩石薄片鉴定、油藏地质建模、油气大模型等勘探领域中的应用综述,重点阐述了卷积神经网络(CNN)及其变体在地震勘探中的应用,分析了其优势与局限性,并根据目前深度学习技术面临的挑战,指出了油气勘探领域对大模型的探索方向和应用潜力。研究结果表明:①深度学习技术已广泛应用于地震资料解释、测井分析、油藏评价等油气勘探领域,以CNN为代表的深度学习方法在去噪、速度建模、构造解释、地震反演等地震资料的处理与解释方面展现出巨大的应用潜力;②深度学习技术在测井评价、岩石薄片鉴定、油藏地质建模、油气大模型等任务中不仅能有效地提升勘探效率和精度,还能从复杂数据中发现新的规律,提出对油气勘探中非线性问题的解决方案;③深度学习技术在训练数据的质量及代表性、数据集的整合和共享、技术合作与交流等方面还存在问题与挑战。结论认为,基于大数据的深度学习技术将是未来油气勘探的主要技术手段,应建立一套完善的数据管理框架,注重数据标准化和质量控制,创新或持续优化现有模型,加大数据整合与共享,注重地质复杂性和非结构化解释等方面工作,以上工作将有助于推动油气地质勘探领域的科技进步和数智化发展。
-
关键词
深度学习
油气勘探
地震资料处理
测井数据解释
油藏地质建模
-
Keywords
Deep learning
Oil and gas exploration
Seismic data processing
Well logging data interpretation
Reservoir geological modeling
-
分类号
TE132
[石油与天然气工程—油气勘探]
-
