基于管养数据的箱梁桥病害分析及监测指标的选取

本文首先分析了江苏省公路桥梁的病害信息,根据病害的分布特征确定组合箱梁的病害发生的主要构件是梁体,主要病害是裂缝,将底板横向裂缝、腹板竖向裂缝、翼板横向裂缝作为代表裂缝,并针对这三种裂缝选择中性轴指标作为监测指标。使用ANSYS建立箱梁模型,研究当跨中截面出现代表裂缝时对截面中性轴指标的影响。研究发现三种代表裂缝的长度和深度均会影响截面的中性轴指标,中性轴指标有作为组合箱梁裂缝的监测指标的潜力。     

测井方法在裂缝识别中的实证研究

测井方法随着科技的进步和发展已经成为了当下在裂缝识别中最为常用和有效的方法,目前一般性资料当中能够对裂缝的孔隙度、张开度等数据进行一个较为系统的定量和估算,文章中主要将最新的FMI成像测井资料进行了一个实际的应用,从而能够将裂缝层的各项数据进行了一个数值的还原,根据数值的考量来确定裂缝的走向和倾角,从而更直观准确的获得裂缝识别的资料来令测井解释的精度获得极大程度的提高。     

基于深度神经网络的材料粘接裂缝识别

针对传统裂缝识别方法准确率低的问题，研究基于深度神经网络，设计一个Crack-CNN裂缝识别模型。根据CNN神经网络结构，利用CNN的特征提取和学习能力特性，将CNN应用于材料粘接裂缝识别中，然后将裂缝定位和CNN网络相结合，构建Crack-CNN模型，将裂缝图像输入至该模型中，通过CNN网络提取裂缝特征，并进行卷积、池化操作，再利用激活函数和全连接层进行特征分类，最终输出裂缝分类结果。结果表明，相较于传统裂缝识别模型，模型的训练和测试精度均保持在95%以上，模型的训练时间为3 825 s，远远低于VGG-13和ResNet模型。由此证明该模型性能好，可在材料粘接裂缝中取得较好的识别效果。     

常规测井方法识别碳酸盐储层裂缝研究

碳酸盐储层作为一种常见的储层,出现裂缝这种现象是十分常见的,裂缝作为一个复杂的地质体,怎样识别利用碳酸盐储层裂缝至关重要,用测井方法进行对碳酸盐储层裂缝的研究在进行剖析裂缝中必不可少,常规的测井方法能够更好地测量储层的放射性、电阻率、密度等物理参数,更好地进行裂缝研究。本文将系统介绍常规的测井方法来分析识别碳酸盐储层裂缝,以便进行研究。     

综合概率指数法识别裂缝型储层

裂缝型油气藏油气产量占整个石油天然气产量的一半以上,是21世纪石油增储上产的重要领域之一。研究裂缝的响应规律和裂缝识别方法非常重要。海拉尔盆地*地区布达特群是特低孔特低渗双孔隙介质储层,裂缝发育。本文从该区的地质条件出发,运用裂缝指示曲线法进行裂缝识别,即根据已知的油井资料提取一系列指数并在此基础上构造综合概率指数法来进行裂缝识别。本文对裂缝进行了初步定性地识别并为定量识别裂缝打下了良好的基础。     

中高渗储层常规测井曲线裂缝识别分析

在石油开采与开发中,识别裂缝的方法和识别准确程度非常重要。当前利用常规测井资料进行油藏裂缝识别是主要形式,较成像测井资料的难获取和高价格形成对比,另外对于老井也能应用。利用综合概率法对地层进行裂缝那个识别,结合中高渗储层实例分析取心井裂缝岩心,提取测井资料中裂缝响应敏感的裂缝指示参数,分析其对识别裂缝的贡献程度赋予不同权重。实现了多测井资料、多地层因素的裂缝识别模型,具有精度较高、实用性强和经济节约的效果。     

鄂尔多斯盆地红河油田长9裂缝测井识别

红河油田长9油层组在勘探开发过程中产能表现出较强非均质性,裂缝对油气的运移与产出较为关键,对勘探部署及油气生产具有重要意义。本文在岩芯裂缝特征研究的基础上,运用成像测井资料将该区裂缝分为连续传导缝、不连续传导缝、连续高阻缝、不连续高电阻缝四类。并利用深感应电阻率、声波时差、八侧向电阻对裂缝响应敏感,对砂泥岩裂缝进行识别;同时结合贝叶斯判别概率和分形维数异常判断裂缝发育程度,建立研究区裂缝综合识别标准,大大提高了裂缝识别精度。     

常规测井资料定量识别裂缝技术应用

裂缝是岩石发生破裂的一种地质现象,井壁上发育的裂缝将影响声波、电性等信号传播。常规测井资料进行裂缝识别的传统方法是手工经验识别,定性判断裂缝发育带。但这种方法的缺点是人为因素干扰较多,工作量较大。在对常规测井资料裂缝响应特征分析基础上,提取对裂缝响应敏感的测井曲线裂缝指示信息,建立裂缝发育概率模型。通过与工区成像资料对比,该方法能够实现利用常规资料快速、定量预测裂缝发育带的目的,取得了较好应用效果。     

综合概率法在白云岩储层裂缝识别中的应用

目前利用常规测井资料识别碳酸盐岩油藏裂缝有多种方法,综合概率法是其中相对成熟的一种,但综合概率法在湖相碳酸盐岩油藏中应用较少。本文利用泌阳凹陷湖相白云岩油藏常规测井资料,对综合概率法进行了应用性研究,结合白云岩储层的特殊测井曲线特征,利用多条曲线综合识别裂缝,弥补了利用单条曲线容易将曲线假裂缝显示误判为裂缝的缺点,提高了计算机自动识别裂缝的准确性。并且利用多条途径实现最终的裂缝综合概率曲线,对各途径所得结果进行比较,选择得到最适合本地区的方法。     

鄂尔多斯盆地常规测井识别天然裂缝方法应用

低渗透砂岩致密油藏中普遍发育有大量天然裂缝,裂缝的存在使得储层形成了具有两类有效孔渗的复合储层,为此必须对储层裂缝进行识别与准确判断。本文利用常规测井资料建立测井曲线组合判断及测井响应识别模板方法说明了常规测井系列可以有效识别储层垂直缝、水平缝及得出裂缝的识别参数,其中重点应用感应-八侧向、声波、井径等系列举例说明了其在识别储层裂缝上的优势,应用测井曲线组合综合判断方法可以有效提高单一类曲线识别储层裂缝的精度,综合分析可以提高准确度27%。     

也门71区块基底裂缝识别与评价

也门71区块在基底获得重大油气发现,油气藏类型为裂缝性凝析气藏,基底裂缝的识别和评价是储层评价的难点和重点。本文以露头和岩心观测为基础,利用成像测井和常规测井相互结合,对储层裂缝进行识别,并对储层的发育特征进行了描述。依据孔隙度、成像测井特征、电阻率特征和气测值,将71区块基底裂缝性储层划分为Ⅰ、Ⅱ、Ⅲ类3个级别,高产井中的Ⅰ、Ⅱ类储层占主导地位,说明裂缝为基底凝析气藏的主要油气渗流通道和聚集空间。     

利用综合录井工程参数解释裂缝技术研究

针对东濮凹陷中生界裂缝识别的难题。本文介绍了利用综合录井中的工程参数识别裂缝的方法，其中优选出反映地层可钻性的DCS指数，根据DCS指数对地层可钻性及疏松程度的反映来识别储集层裂缝。并就此技术的原理、使用方法及应用效果等进行详细阐述，从而提高了裂缝解释精度。     

储层天然裂缝识别技术研究

针对裂缝性油气藏勘探开发的热点、重点和难点问题进行了论述。研究认为裂缝形成机理及发育特征识别技术成为广泛研究的热点和低孔、低渗储层评价的关键。同时,储层裂缝发育机制的复杂性决定了裂缝发育特征识别技术的难度,特别是天然裂缝的识别技术的研究仍是当前研究的难点,其对天然裂缝分布特征的认识准确与否,直接关系到对裂缝性储层的评价,影响地质储量的计算和经济评价,甚至关系到一个油气田能否顺利投入开发。     

利用常规测井资料识别低渗透砂岩储层裂缝

致密岩层中由于大量裂缝存在形成了具有有效孔隙度和渗透率的储层。为评价此类储层,必须准确地识别裂缝。本文选取了孔隙度差值、电阻率相对幅度差、岩石孔隙结构指数等常规测井资料及解释参数建立了裂缝判别模型,对裂缝性储层进行了识别,经取心样品检验,取得了较好效果。     

储层构造应力场模拟预测裂缝技术研究与应用

根据地质及地震资料分析区域构造演化,在系统的野外岩心观测及测井裂缝识别的基础上,通过古构造应力场数值模拟反演,恢复古构造应力场,从而进行储层裂缝预测,通过建立地质模型进行古构造应力计算,从裂缝的成因着手进行裂缝预测,将预测结果与实际资料进行对比,综合分析认为:这是一套行之有效的裂缝预测方法。     

基于多层模糊综合模型的框架结构损伤识别

针对结构系统复杂问题,为更好对框架结构进行损伤识别,本文将结构可能损伤的位置分为不同层次,并结合模糊理论将不同层次的损伤加以权重建立模糊评估矩阵进行模糊综合评估,解决了由于不确定因素带来的不准确、不全面等问题。本方法可有效的对框架结构进行损伤位置的识别,对工程结构具有实际意义。     

基于计算机方法的混凝土识别与应用研究

为提高混凝土裂缝识别检测的效率,建立卷积神经网络模型,并结合MATLAB对混凝土裂缝形态开展识别。当图像进行灰度处理后,通过理论公式得到了图片特征信息,分析出混凝土裂缝识别效率与二值化阈值的关系,建议二值化阈值取0.3～0.6之间;采用3种检测算子进行裂缝边缘检测,通过对比得到了各检测算子的适用范围:拉普拉斯算子更适用于灰度不同区域,索贝尔算子的识别效率与二值化阈值有关,边缘检测算子能够全面的反映出边缘裂缝情况。卷积神经网络图像识别方法能够为混凝土结构的安全状态评估提供理论和技术支持。     

火成岩分层测井解释理论与应用

本文在结合了国内外火成岩测井解释理论、方法的基础上,提出了火成岩分层测井解释理论,本文也通过利用交会图法和成像测井识别法对岩性进行了识别;也提出了裂缝识别及裂缝孔隙度计算,渗透率的计算以及饱和度的计算公式。最后利用本文中介绍的方法进行了实际应用。     

红河油田延长组裂缝识别技术在水平井中应用

鄂尔多斯盆地红河油田属低孔低渗致密砂岩储层,裂缝的存在对储层产能建设意义重大。根据红河油田延长组岩心、常规测井及电成像测井资料的分析,对单井的裂缝的测井响应特征进行了研究。提取声波和电阻率作为裂缝敏感参数,结合R/S分析法来识别裂缝。再将研究结论推广到该区水平井中,取得了较好的效果。     

基于两种神经网络的管内沸腾汽液两相流型识别

将Fluent数值模拟得到的温度、压力和截面含气率等参数作为流型识别的特征向量,输入经过训练的BP及Elman神经网络,进行流型的识别。结果表明,在所取预测组数范围内,BP神经网络的识别准确率为95.24%,Elman神经网络对各种流型的识别准确率为100%。