一种基于Boosting的油田水淹层识别算法

油田水淹级别的判定对于寻找剩余油、提高油田开发水平和稳油控水效果至关重要.本文提出了一种基于Boosting的C4.5决策树算法用于油田水淹层识别.实验结果表明,相比单一的C4.5决策树,经Boosting算法提升后的集成C4.5分类器具有较高的识别率和泛化能力,具有较高的应用推广价值.     

砂岩储集层水淹层评价的地化录井方法

砂岩储集层水淹层评价一直是困扰油田开发工作者的一个难题,应用地化录井资料开展水淹层评价是储层地
球化学研究的一个新领域,可为油田二次开发寻找剩余油开辟新的途径。在深入分析油层水淹机理的基础上,从岩石
热解和气相色谱实验入手,结合密闭取芯井资料,通过计算孔隙度、含油饱和度、驱油效率等评价参数,建立砂岩储集
层水淹层评价模型和解释图版,形成一套具有适用性的定量计算和定性识别相结合砂岩储集层水淹层评价方法。应
用该方法,对A 盆地B 油田C 区D 层砂岩储层进行了7 口井水淹层评价,结果表明,利用地化录井方法评价砂岩水淹
层,经试油结果验证,符合程度较高,达到95% 以上,说明该方法适用性强,为油田开发中后期挖潜方案的调整和采收
率的提高奠定了基础。     

神经网络技术在测井相分析及水淹层判别中的应用

以测井相分析和常规测井资料定性识别水淹层的理论为基础，运用神经网络技术，对勘探阶段的探井进行了沉积相识别，并对油田开发阶段的水淹层进行了级别划分．对长庆、大港等油田的４口探井进行了测井相分析，并对２０多口开发井的单井进行了评价．结果表明，神经网络技术可以有效地应用于油田勘探开发测井中．     

神经网络技术在测井相分析及水淹层判别中的应用

以测井相分析和常规测井资料定性识别水淹层的理论为基础，运用神经网络技术，对勘探阶段的探井进行了沉积相识别，并对油田开发阶段的水淹层进行了级别划分，对长庆，大港等油田的４口探井进行了测井相分析，并对２０多口开发井的单井进行了评价。结果表明，神经网络技术可以有效地应用于油田勘探开发测井中。     

一种反演水淹层混合水电阻率的新方法

注水开发油田储层水淹后电性特征变化复杂,混合水（注入水和原生地层水的混合液）矿化度不仅受注入水和原生地层水矿化度的控制,还受水淹程度等因素影响,造成混合水电阻率和岩电参数的动态变化,为水淹层的识别和剩余油饱和度的评价带来较大困难。以渤海S油田为例,利用图论多分辨率聚类算法对测井相进行划分,建立了测井相约束下的束缚水饱和度评价模型;根据岩电实验数据讨论了岩电参数随地层水矿化度变化的规律,提出水淹层中胶结指数和饱和度指数与混合水矿化度的函数关系。在此基础上,通过迭代反演得到水淹层剩余油饱和度和混合水电阻率,实现了水淹层的定量评价。研究结果表明：（1）利用图论多分辨率聚类算法可以对测井相进行有效划分,基于测井相约束的束缚水饱和度模型精度高于未分相的结果;（2）水淹层储层胶结指数和饱和度指数随混合水矿化度增大而增大,二者具有明显的幂函数关系;（3）该方法划分水淹层结果与S油田产出剖面测井测量结果吻合率为92.3%,明显提高了水淹层的评价精度。     

融合卷积神经网络与Adaboost算法的病害松树识别

针对无人机平台获取的高分辨率可见光松树图像,提出一种结合深度卷积神经网络和Adaboost算法的病害松树识别方法,解决传统机器学习方法识别病害松树精确度不高问题.首先利用卷积神经网络训练病害松树模型再利用训练模型将地物中的田地、裸土及黑影等复杂信息剔除掉,提取病害松树、健康松树及黑影区域的颜色和纹理特征,依据提取的特征在剔除地物干扰项后的决策层使用Adaboost分类器进行目标识别.实验结果表明,该方法相较传统的K-means聚类、支持向量机、Adaboost算法、BP神经网络、VGG(visual geometry group)算法等在识别精确度方面有显著提高.     

基于量子自组织网络的水淹层识别方法

采用量子自组织网络方法, 解决油田测井解释中的水淹层识别问题. 首先, 构造储层特征指标集, 包括测井曲线的序列指标和单个数值指标. 对序列指标先采用离散Walsh滤波方法去除噪声, 然后取均值, 再与其他单个数值指标一起构造储层特征向量. 其次, 将储层特征向量转化为量子态描述, 提交量子自组织网络实施聚类. 最后将聚类收敛后的网络作为水淹层识别的数学模型, 应用于油田相似区块的水淹层识别中. 仿真实验结果表明, 该方法正确识别率比传统自组织聚类方法高6%.     

新立低渗透油田水淹层特征及识别方法研究

重点讨论了新立油田扶杨油层水淹层在测井曲线上的变化特征,从物理机理上对其特征进行了分析。根据油田试油资料和产水率参数确定了油层的水淹级别,由实际的井资料建立了油田水淹层测井响应参数数据库,在此基础上,利用最大模糊隶属度判别法对一些井进行了水淹层的识别,划分水淹级别。通过实际应用表明,最大模糊隶属度法在新立油田水淹层评价中符合率,取得了较好的效果。     

基于量子自组织网络的水淹层识别方法

采用量子自组织网络方法, 解决油田测井解释中的水淹层识别问题. 首先, 构造储层特征指标集, 包括测井曲线的序列指标和单个数值指标. 对序列指标先采用离散Walsh滤波方法去除噪声, 然后取均值, 再与其他单个数值指标一起构造储层特征向量. 其次, 将储层特征向量转化为量子态描述, 提交量子自组织网络实施聚类. 最后将聚类收敛后的网络作为水淹层识别的数学模型, 应用于油田相似区块的水淹层识别中. 仿真实验结果表明, 该方法正确识别率比传统自组织聚类方法高6%.     

L油田水淹层测井定性分析方法研究

L油田储层地质情况复杂,井距大,又是海上油田,在该油田进行水淹层评价还是先例,没有现成的水淹层测井评价和解释方法可借鉴,水淹层解释比较困难。针对L油田储层实际特点,本文总结了油层水淹之后岩性、物性、含油性及电性的变化;针对L油田的水淹状况,本文研究和总结了电阻率变化率,原始电阻率反演及原始含油饱和度反演等定性识别水淹层的方法,通过岩心资料和试油资料验证显示,效果较好。     

基于J函数建模的M油藏水淹层测井评价

滨里海盆地M油藏属于稠油油藏,目的层埋深较浅,储层较为疏松。油田开发主要以热采为主,水窜容易造成油藏水淹,且新井初期含水率较高,为此开展水淹层测井评价对于制定科学合理开发调整方案,提高油田开发效率具有重要的意义。通过J函数建模求取原始含油饱和度来评价水淹层,基于M油藏取芯井的岩心资料,结合粒度分析、铸体薄片、扫描电镜、物性分析及压汞实验等方法,通过毛管压力曲线对目的层J函数进行建模,计算原始含油饱和度,对比原始含油饱和度与目前含油饱和度评价水淹层。结合生产测试结论,证明J函数方法在水淹层评价方面效果较好,这种方法对于构造油藏水淹层评价具有重要的参考意义。     

基于集成学习的交通流短时特性分析与神经网络预测方法

为揭示交通流的内在动态特性,利用分析法对交通流分形特性进行研究,表明该城市交通流序列具有长程相关性;为达到更精准的短期交通预测效果,同时提出一种基于思维进化算法(MEC)对神经网络最优初始参数的定向搜索,解决神经网络易陷入局部最优的问题;并用自适应增强算法(adaptive enhancement algorithm,Adaboost)对优化过的神经网络集成,弥补神经网络对新样本集的泛化性能差缺陷,在此基础上通过预测误差平方和倒数准则重新调整Adaboost算法对弱预测器权值分布,使每个预测器最大程度提高网络预测精度.验证结果表明,改进MEC-BP_Adaboost模型与BP模型相比,均方误差和平均绝对误差分别下降78.2％和46.4％,证明本文改进方法对交通流预测具有合理性,对不同的交通流状态具有较好的适应性.     

基于实数编码的遗传神经网络水淹层综合判别

为解决油层水淹后 ,使用一般测井解释方法很难识别水淹层的问题 ,提出了一种基于实数编码的遗传 BP ( Back Propagation)神经网络进行水淹等级综合判别的方法。在此基础上建立的神经网络经反复训练验证 ,性能稳定、学习收敛速度快 ,同时有很强的记忆能力、推广能力和适应性。对大庆长垣 7口井的资料处理表明 ,准确率达到 87%以上 ,取得了很好的效果。     

水淹层混合地层水宏观俘获截面逐层计算方法

 清污水交替注入型水淹层混合地层水矿化度变化较大.在进行脉冲中子类过套管剩余油饱和度测井解释时,地层水矿化度的多变性将导致地层水宏观俘获截面这一重要参数不易确定.对研究区块水淹层混合地层水的水型和矿化度进行了分析,分析结果表明不同小层间混合地层水矿化度变化较大,因而逐层计算混合地层水宏观俘获截面十分必要.本文以脉冲中子-中子测井评价为例,构建原始含油饱和度解释模型,对地层流体宏观俘获截面进行信息提取,提出了利用动静态测井资料确定混合地层水宏观俘获截面的方法.植入解释程序后,该方法可对同一解释层内水淹程度不一致的地方,分别计算出混合地层水宏观俘获截面.计算过程较好地考虑了层间差异性,提高了计算结果准确性,为利用动静态测井资料联合法对清污混注水淹层进行定量评价提供了思路.     

基于改进型BP神经网络的油井产量预测研究

为了保证油田生产持续稳定地发展,针对油田单井产量提出了基于改进型BP神经网络的预测模型。对传统的BP神经网络的结构和训练算法进行了研究,发现它存在易于陷入局部极小,收敛速度慢等问题。提出了使用LM算法的改进型BP神经网络。最后给出了基于改进型BP神经网络的单井产量预测模型仿真实验。结果证明该算法的实用性和可行性,在油井产量预测方面有一定的实用价值。     

多层复杂断块油藏剩余油表征方法研究

深层多层复杂断块油藏因其地质、油藏的复杂性以及开发过程中长期多层合采合注的生产特点,开发后期剩余油分布极其复杂。本文以高深油藏为例,在油藏数值模拟的基础上,综合运用剩余油饱和度、储量丰度、水淹级别等指标表征了其剩余油潜力分布;同时,对各小层剩余油指标进行叠加得到砂组、油组及整体的潜力区分布,并绘制了各种指标的过井剖面。通过以上方法,从平面和纵向上精细描述了剩余油的分布,确定了油藏局部及整体剩余油潜力,为该油藏开发后期调整方案的设计奠定了基础,并为同类型油藏的剩余油分布研究提供借鉴。