利用遗传算法实现最优化测井解释

遗传算法是具有全局寻优特点的一种新型最优化方法。文章将遗传算法用于测井解释中,研究多参数,非线了优化测井数据处理问题。简要地介绍了遗传算法的基本原理和运算规则,具体地实一最优化测井解释的步骤和程序流程。利用正演模型合成的测井数据进行了模拟计算,并且给出了油田现场应用实例。结果表明,遗传算法在最优化测井解释中应用效果很好,极具潜力。     

地层参数计算方法对比研究

储层参数准确求取是测井资料解释的中心任务。面对复杂储层,"四性"关系比较复杂,非线性关系明显,用常规公式计算误差较大,如何利用测井资料准确计算储层参数,成为测井资料数字处理中的重点考虑问题。从分析常用数学方法入手,依托Forward测井解释平台软件,引入神经网络算法、最优化算法、遗传算法3种数学方法,编制了相应的处理模块,并对3种方法进行了对比分析。     

人工蜂群最优化测井解释方法在致密砂岩储层评价中的应用

最优化测井解释方法打破了常规解释的局限性,充分利用测井资料及地质信息,可有效地评价复杂岩性储层,而优化算法是最优化测井解释的关键。利用人工蜂群(ABC)最优化方法求取苏里格致密砂岩储层某段的各组分体积含量,并与细菌觅食-复合形混合算法(BFA-CM)和遗传算法(GA)进行对比。结果表明,ABC最优化测井解释方法在处理致密砂岩储层时具有参数设置简单,全局搜索能力强,不需要二次优化就可达到所需精度,为最优化测井解释提供了一种新方法。     

遗传BP网络在洛带气田测井解释中的应用

应用遗传算法(GA)对BP网络进行了改进，提高了BP网络的收敛速度和全局寻优性能，并在此基础上，利用多种测井数据及岩心描述资料作为网络模型的学习样本，以测井解释渗透率等参数的神经网络模型为例，通过网络的学习、训练，建立了神经网络模型。并应用此模型定量计算了多个井段的物性参数值，与常规物性参数计算结果相比，表明GA—BP的解释结果及精度均令人满意，取得了良好的实际应用效果。     

填充函数在测井优化解释中的应用

针对测井优化解释中利用最优化数学方法只能求得目标函数的局部极小值,而且寻优速度慢,本文介绍了填充函数技术,将单参数填充函数、双参数填充函数引入最优化方法中。这种方法减小了优化结果对初始值的依赖,能可靠地求出目标函数的全局最优解,并提高了寻优收敛速度。     

遗传算法的改进及其在各向异性介质参数反演中的应用

目前，常规的遗传算法对变异进程不能实行控制，当变异概率取得较大时，就会以极大的几率使种群中很多成员出现退化的现象，从而使遗传算法变得象蒙特卡洛方法那样，把大量的计算工作浪费在无意义的空间部分，其结果使常规遗传算法不得不采用很小的变异概率。这样做的结果显然不利于算法作全局搜索，存在易陷于局部极值的缺陷。为在扩大模型空间的搜索范围和保持种群多样性的同时，又能对变异过程进行控制，通过引入Metropolis抽样准则，提出了一种改进的遗传算法。同常规算法相比，改进算法更有利于作全局搜索，具有改善遗传算法全局收敛性的效果。针对正交各向异性介质模型，用改性的遗传算法进行了各向异性多参数反演工作，以说明新方法在处理这样高度非线性最优化问题时的处理效果。     

基于改进自适应遗传算法的钻井参数优化设计

以钻井过程中的钻井参数优化组合为研究对象,引入约束条件以钻井成本最低为控制目标,建立了多元钻井参数组合的非线性最优化数学模型。对通用自适应遗传算法进行改进,并采用改进后的算法对该模型进行求解。优化仿真试验结果表明,基于改进自适应遗传算法(AGA)的钻井参数优化方法,可以完成约束条件下的钻井参数设计任务,在提高设计效率和精度的同时还可以降低钻井成本;改进AGA算法收敛迅速且稳定,群体适应度波动小、频率低,遗传进化效率显著提高,其性能优于改进前算法。     

碳酸盐岩地层测井精细处理方法

最优化处理软件推出已经多年，因输入参数多、软件和硬件（工作站）价格昂贵，使得最优化处理程序在现场解释和精细处理中没有得到广泛应用，从而导致测井信息没有充分利用。为了克服常规处理软件和最优化处理软件的缺陷，研究了应用地层成分的相对概念（而不用饱和度概念）建立测井响应方程组的方法，采用了线性方程为主、非线性方程为辅的最优化处理技术；通过对声波和电阻率等非线性测井响应方程的线性化处理，使之变为线性方程组；用矩阵分解变换法求解约束条件下的线性方程组，得到地层组分的最优化处理结果。在WINDOWS环境下开发出了处理软件CFEA，经多口井实际测井资料处理证实，CFEA软件处理的岩性剖面与地层实际一致性更好，计算的孔隙度值精度高，不仅适用于孔隙度较高的四川盆地下三叠统飞仙关组，而且也适用于孔隙度较低的下三叠统嘉陵江组。CFEA软件具有选择解释参数少、计算速度快的特点，能满足碳酸盐岩地层测井资料精细处理和快速解释的要求。     

利用填充函数提高测井最优化解释的可信度

本文探讨填充函数在测井最优化解释中减少迭代次数,提高解释结果精度的可行性,以加快优化的收敛速度及保证解释结果为可行域内的全局最优解计算结果表明,最优化方法引入填充函数可以大大减少或消除优化结果对初始点值的依赖性,能准确地求出目标函数的全局最优解。     

测井目标函数极小化的最优单纯形法

用于测井目标函数极小化的常规单纯形算法主要缺点是收敛速度不快，在一些特殊情况下寻找不到最优点，改进后的最优单纯法主要思想是，用一维最优点ｘ来代替当前单纯形中的函数最高值顶点ｘ＾ｈ，对于测井解释中最优化问题，不管初始值如何选择都能找到全局的最小点，并比常规算法收敛速度快一倍左右。     

基于遗传算法的机抽系统优化设计新方法

机抽系统优化设计问题属于多参数系统优化问题,参数包括冲程、冲次、泵径、平均杆径、下泵深度等。将遗传算法引入到机抽系统优化设计中,形成了一种新方法,该法采用二进制编码形式来表示抽汲参数和下泵深度,按优胜劣汰的原则来寻求问题的最优解,既能提高优化设计的速度,又能克服模糊数学以及专家系统等方法易漏掉最优方案的缺点。通过实例进行敏感性分析表明,遗传代数越多、交叉系数越高时,算法优化效果越好,而适中的变异系数有利于优化设计。     

利用遗传-粒子群优化混合算法求取剩余静校正量

剩余静校正是一个具有多参数、多极值的全局优化问题,当大量未知参数存在时,常规的遗传算法（GA）几乎无法避免早熟现象,难以保证收敛于全局最优。结合粒子群优化算法（PSO）和遗传算法的优势,提出了一种新颖的粒子群优化-遗传混合算法。混合算法利用了粒子群优化算法的速度和位置的更新规则,并引入遗传算法里的交叉变异思想。用混合算法和遗传算法分别对两个理论模型进行试处理,处理结果表明,混合算法比遗传算法具有更好的性能,是一种求取复杂地形条件下剩余静校正量的实用方法。     

人工神经元网络测井解释软件系统

王大力，何清源．人工神经元网络测井解释软件系统．测井技术，１９９４，１８（４）：２５７～２６４在复杂岩性地层的测井解释中，常规的方法常把岩石的矿物成分设想得比较简单，评价地层岩性时需要大量的人工分析。本文提出运用人工神经元网络理论的测井解释软件系统。系统用自然伽玛能谱测井，结合实验室资料可准确确定粘土类型和求出粘土含量。选用了一种稳定性好、快速的优化算法，使用孔隙度测井资料求出孔隙度值，整个系统算法上力求快准、解释上力求尽可能减少人工干预，该软件系统经试用效果较好。     

遗传算法在测井识别凝析气藏中的应用

利用遗传算法的全局寻优特点,将遗传算法引入测井最优化处理中;利用地层组份模型建立拟合函数,通过遗传算法对拟合函数实现了最优化处理,分别计算出地层条件下凝析油和凝析气的含量,在此基础上计算出地面气油比,从而达到识别凝析气藏的目的.现场应用处理了6口井的实际资料,给出了1口井的应用实例,证明了利用该方法能够较为准确地识别凝析气藏.     

MT资料的遗传法反演

在简述遗传优化算法的基本原理,分析大地理电测深资料反演的特点和滩点的基础上,提出了将遗传算法引入ＭＴ数据反演的思路,针对ＭＴ资料反 特殊性,对常用的遗传算法进行改进。取消二进制编码和解码过程。     

���ڲ⾮�ྮ���������������ؿ�϶���о�

凝析油气藏在条件变化时可转化为高含天然气的轻质油。由于烃类的扩散特性会对测井密度和测井声波产生较大的影响，常规方法（即各种回归方法或体积模型等方法）未考虑岩心分析数据、测井数据本身的特点，强行在两种数据之间建立关系。因此，所建立的解释模型存在着误差，这种误差在凝析油气藏的条件下表现为测井中确定的孔隙度偏高，而有时这种偏高具有随机性，因此，很难用系统偏移式或其他常规方法进行校正。应用“岩心刻度测井”技术，用岩心分析密度或地面自然伽马对此测井密度或测井自然伽马进行深度归位；对岩心分析孔隙度进行加权平滑滤波，使其分辨率与测井孔隙度曲线相匹配，对岩心分析数据和测井数据进行预处理之后，在灰色理论模型ＧＭ（Ｉ，Ｎ）技术支持下，充分利用了多条测井曲线提供的地质信息，以岩心分析数据为基础，建立了测井解释孔隙度模型，针对气藏特点，采用了合适的校正方法，实用效果表明，测井解释孔隙度满足储量计算的要求。