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
人工智能测井:基础、原理、技术及应用
被引量：
2
1
作者
程希
任战利
《煤田地质与勘探》
EI
CAS
CSCD
北大核心
2024年第8期145-164,共20页
【背景】油气勘探开发的智能化已成为油气工业发展趋势与研究热点。人工智能测井(Artificial intelligence logging,AIL)具有解决非常规油气资源及深地深海等复杂环境勘探开发难题的巨大潜力。然而,AIL技术发展的驱动模式,以及技术发展...
【背景】油气勘探开发的智能化已成为油气工业发展趋势与研究热点。人工智能测井(Artificial intelligence logging,AIL)具有解决非常规油气资源及深地深海等复杂环境勘探开发难题的巨大潜力。然而,AIL技术发展的驱动模式,以及技术发展的基础、实现原理、技术组成以及应用场景还没有开展研究。【目的和方法】为构建完善的AIL测井体系生态,充分挖掘并展现AIL技术的潜力与价值,采用文献分析、理论研究、技术分析以及实例验证的方法。首先从多个维度出发,深入剖析了测井技术与人工智能(Artificial intelligence,AI)融合发展的关键因素,并据此定义了AIL。随后,系统探讨了AIL的基础理论框架、硬件算力需求以及数据物理模型,并通过知识发现的视角,详细阐述了测井方法、仪器、岩石物理及解释等环节在AIL体系中的功能实现机制。在技术层面,深入分析了包括测井大数据技术、智能与快速算法、测井知识图谱、数字孪生、智能仪器及测井物联网在内的多项关键技术,并指出物理模型与智能算法是推动AIL技术发展的核心驱动力。根据AI算法的原理与特性,系统梳理了AIL在测井方法、仪器、采集作业及解释等方面的关键技术,并构建了测井知识图谱树状图及其求解流程。【结果和结论】通过实证研究,验证了AIL在致密砂岩岩性识别及测井模拟中的优势,其精度达到93.8%,明显优于传统方法。在测井评价方面,AIL可同时实现储层和流体的识别,这充分说明了AIL技术的巨大发展潜力与应用优势。基于AIL技术的关键节点,展望了测井技术发展的第五个发展阶段,即智能测井。研究成果为AI在测井领域的深度融合与广泛应用提供坚实的理论基础与实践指导,对促进人工智能测井技术的推广及发展具有重要意义。
展开更多
关键词
人工智能测井
测井大数据
机器学习
地层参数反演
复杂岩性识别
在线阅读
下载PDF
职称材料
机器学习算法在地球物理测井中的适用性及应用
被引量：
11
2
作者
程希
周军
+1 位作者
傅海成
罗雄民
《西北地质》
CAS
CSCD
北大核心
2023年第4期336-348,共13页
机器学习,特别是深度神经网络学习算法的发展,正在改变人们发现知识的方式。目前油气工业正在向转向非常规和深海的油气勘探和开发。基于有限岩石物理参数建立的评价解释模型难以满足反映非常规储层复杂的岩性和结构,这使传统测井评价...
机器学习,特别是深度神经网络学习算法的发展,正在改变人们发现知识的方式。目前油气工业正在向转向非常规和深海的油气勘探和开发。基于有限岩石物理参数建立的评价解释模型难以满足反映非常规储层复杂的岩性和结构,这使传统测井评价技术受到了很大的挑战。以油气大数据为基础、机器学习算法为核心、油气大数据云计算为动力以及油气应用场景为源泉的油气人工智能(Oil&Gas AI)极大地改变传统的油气工业各个领域。笔者以地球物理测井为研究对象,依据数据驱动的地球物理知识发现原理和机器学习属性,按照“数据-算法-平台-知识-应用场景”研究思路,开展机器学习算法在测井技术中的适用性研究。对机器算法的内在特性、原理、质量控制、硬件要求,学习模型选择、测试以及性能评价实现过程进行分析。笔者梳理和总结了机器学习算法在测井中适用性的树状图,尤其是在油气测井的方法研究、数据处理以及地层评价中的应用潜力与机器学习算法对应关系,其中包括数据校正的模拟方法、数据标定的岩石物理分析、测井数据质量控制、综合评价以及油藏评价监测。研究表明,机器学习算法在岩性识别与储层分类、力学评价、以及油藏评价等方面应用有明显的优势,贯穿于测井方法、仪器设计、测井作业及测井解释中。机器学习算法相对于传统的岩石物理建模方法,以数据为纽带综合评价岩石物理的多重属性。这从数据科学角度突破了实验条件和物理属性的限制,具有跨学科、综合性的特点。
展开更多
关键词
机器学习算法
测井大数据
岩性识别
油藏评价
在线阅读
下载PDF
职称材料
题名
人工智能测井:基础、原理、技术及应用
被引量：
2
1
作者
程希
任战利
机构
西安石油大学
地球科学与工程学院
油气藏地质及开发工程国家重点实验室(西南
石油
大学
)
西安石油大学院士专家工作站
西北
大学
地质学系
出处
《煤田地质与勘探》
EI
CAS
CSCD
北大核心
2024年第8期145-164,共20页
基金
油气藏地质及开发国家重点实验室(西南石油大学)开放基金项目(PLN2022-14)
国家自然科学基金项目(42272152)。
文摘
【背景】油气勘探开发的智能化已成为油气工业发展趋势与研究热点。人工智能测井(Artificial intelligence logging,AIL)具有解决非常规油气资源及深地深海等复杂环境勘探开发难题的巨大潜力。然而,AIL技术发展的驱动模式,以及技术发展的基础、实现原理、技术组成以及应用场景还没有开展研究。【目的和方法】为构建完善的AIL测井体系生态,充分挖掘并展现AIL技术的潜力与价值,采用文献分析、理论研究、技术分析以及实例验证的方法。首先从多个维度出发,深入剖析了测井技术与人工智能(Artificial intelligence,AI)融合发展的关键因素,并据此定义了AIL。随后,系统探讨了AIL的基础理论框架、硬件算力需求以及数据物理模型,并通过知识发现的视角,详细阐述了测井方法、仪器、岩石物理及解释等环节在AIL体系中的功能实现机制。在技术层面,深入分析了包括测井大数据技术、智能与快速算法、测井知识图谱、数字孪生、智能仪器及测井物联网在内的多项关键技术,并指出物理模型与智能算法是推动AIL技术发展的核心驱动力。根据AI算法的原理与特性,系统梳理了AIL在测井方法、仪器、采集作业及解释等方面的关键技术,并构建了测井知识图谱树状图及其求解流程。【结果和结论】通过实证研究,验证了AIL在致密砂岩岩性识别及测井模拟中的优势,其精度达到93.8%,明显优于传统方法。在测井评价方面,AIL可同时实现储层和流体的识别,这充分说明了AIL技术的巨大发展潜力与应用优势。基于AIL技术的关键节点,展望了测井技术发展的第五个发展阶段,即智能测井。研究成果为AI在测井领域的深度融合与广泛应用提供坚实的理论基础与实践指导,对促进人工智能测井技术的推广及发展具有重要意义。
关键词
人工智能测井
测井大数据
机器学习
地层参数反演
复杂岩性识别
Keywords
artificial intelligence logging(AIL)
log-related big data
machine learning(ML)
stratigraphic parameter inversion
complex lithologic identification
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
机器学习算法在地球物理测井中的适用性及应用
被引量：
11
2
作者
程希
周军
傅海成
罗雄民
机构
西安石油大学
地球科学与工程学院
西安石油大学院士专家工作站
中国
石油
集团测井有限公司
中国
石油
集团勘探开发研究院
出处
《西北地质》
CAS
CSCD
北大核心
2023年第4期336-348,共13页
基金
油气藏地质及开发工程国家重点实验室基金项目“基于物理模拟与数据模型的过套管地层真电阻率反演方法研究”(PLN2022JM-14)资助。
文摘
机器学习,特别是深度神经网络学习算法的发展,正在改变人们发现知识的方式。目前油气工业正在向转向非常规和深海的油气勘探和开发。基于有限岩石物理参数建立的评价解释模型难以满足反映非常规储层复杂的岩性和结构,这使传统测井评价技术受到了很大的挑战。以油气大数据为基础、机器学习算法为核心、油气大数据云计算为动力以及油气应用场景为源泉的油气人工智能(Oil&Gas AI)极大地改变传统的油气工业各个领域。笔者以地球物理测井为研究对象,依据数据驱动的地球物理知识发现原理和机器学习属性,按照“数据-算法-平台-知识-应用场景”研究思路,开展机器学习算法在测井技术中的适用性研究。对机器算法的内在特性、原理、质量控制、硬件要求,学习模型选择、测试以及性能评价实现过程进行分析。笔者梳理和总结了机器学习算法在测井中适用性的树状图,尤其是在油气测井的方法研究、数据处理以及地层评价中的应用潜力与机器学习算法对应关系,其中包括数据校正的模拟方法、数据标定的岩石物理分析、测井数据质量控制、综合评价以及油藏评价监测。研究表明,机器学习算法在岩性识别与储层分类、力学评价、以及油藏评价等方面应用有明显的优势,贯穿于测井方法、仪器设计、测井作业及测井解释中。机器学习算法相对于传统的岩石物理建模方法,以数据为纽带综合评价岩石物理的多重属性。这从数据科学角度突破了实验条件和物理属性的限制,具有跨学科、综合性的特点。
关键词
机器学习算法
测井大数据
岩性识别
油藏评价
Keywords
machine learning algorithm
logging big data
lithology identification
reservoir evaluation
分类号
P631.81 [天文地球—地质矿产勘探]
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
人工智能测井:基础、原理、技术及应用
程希
任战利
《煤田地质与勘探》
EI
CAS
CSCD
北大核心
2024
2
在线阅读
下载PDF
职称材料
2
机器学习算法在地球物理测井中的适用性及应用
程希
周军
傅海成
罗雄民
《西北地质》
CAS
CSCD
北大核心
2023
11
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
