最小二乘支持向量机在储层流体识别中的应用

在测井储层流体识别中引入基于统计学习理论的最小二乘支持向量机（LS-SVM）算法,它是在传统的支持向量机（SVM）基础之上加以改进的一种新算法。LS-SVM采用结构风险最小化原则代替了传统的经验风险最小化原则,保证了其具有全局最优性和较好的泛化能力,并且它将凸二次规划问题转变成了线性方程组的求解问题．使计算效率大大提高。介绍了LS-SVM方法的基本原理和多分类方法,通过该法利用少量的测井资料作为学习样本,准确地对油气水层进行了识别。将它与交会图判别法和BP神经网络方法的预测结果进行比较,表明用LS-SVM方法来进行储层流体识别是可行的,且具有一定的优越性。     

气测录井谱峰识别算法的改进

对气测录井色谱仪常用的谱峰识别算法进行分析,针对其不足之处,从谱峰信号的滤波算法、斜率、斜率阈值设置3个方面提出了改进意见和利用综合滤波算法、斜率分组法、动态斜率阈值谱峰识别算法的改进方案,将该算法应用于上海科油新型色谱仪CPS-GAS的研制中,取得了良好的效果,在提高录井快速色谱仪的谱峰识别率、减少谱峰误判率及简化谱峰识别算法等方面具有一定的借鉴意义。     

基于一种改进的模糊神经网络方法识别岩性

岩性识别是石油勘探中的一项重要工作，利用常规的岩性识别方法很难满足油气勘探开发工作的需要。本文在简要地介绍了一种改进的模糊神经网络的基本算法之后，建立了西部某井区的岩性一测井相中心统计模式，基于此模式并利用该算法对邻井的岩性进行了识别，识别结果表明，该方法进一步增强了利用测井数据识别岩性的能力，同时也说明了该方法的正确性和实用性。     

岩屑气分析技术在大庆油田的实验研究

随着欠平衡钻井工艺技术的推广，欠平衡钻井条件下气层发现与识别技术越来越引起录井行业的关注，岩屑气分析作为一项配套新技术已引起录井技术人员的重视。岩屑气分析恰好能够消除欠平衡下上部揭开的油气层对下部储集层发现的干扰，弥补常规气测技术的局限。结合大庆油田的实际，在前人工作的基础上，通过对岩屑气分析技术影响因素的分析、检测仪器的改进与配套、操作流程与识别异常方法的建立和应用，进行了实验研究和探讨，给出了应用实例，验证了岩屑气分析技术在欠平衡钻井条件下发现与识别气层的实用性和有效性。     

基于LS-SVM沼气净化变压吸附过程甲烷浓度建模

由于变压吸附(PSA)过程中吸附剂的参数不易获得,对沼气净化PSA过程中产品气甲烷浓度的机理建模是比较困难的。提出了基于最小二乘支持向量机(LS-SVM)甲烷浓度的建模方法。分析比较了系统辨识、RBF神经网络与LS-SVM模型,结果表明,运用LS-SVM方法建立的模型在精度上明显优于其他两种的方法,从而验证了LS-SVM在PSA过程产品浓度建模中是有效的。     

CNN算法的损失函数优化及在低信噪比资料中的应用

深度学习CNN算法的核心之一是其利用损失函数完成反传机制达到各层网络之间的优化，因此，不同的损失函数及反传机制带来训练阶段人工神经网络模型不同的网络优化效果，其影响了机器学习算法的泛化能力及预测效果。基于此，文中提出了一种改进的带惩罚系数的损失函数，解决了在断层识别问题中因正负样本的数量高度不均衡导致的网络朝着错误方向收敛的问题。将其用于网络中指导训练，通过不同损失函数下的网络模型对理论数据和实际数据的识别结果，证明了这种方法的有效性和适用性。在低信噪比资料中的断层识别中，这种改进的优化网络，能够得到更稳定和更可靠的断层识别结果，为研究区潜山内幕小断层及断缝系统识别提供一种高效可靠的方法技术。     

基于改进人工神经网络的气水层识别技术

在改进的神经网络训练算法的基础上．提出了利用神经网络快速识别气、水层的方法。为了迅速、准确地判断储层性质,选用了Kohonen自组织网络和BP神经网络,利用测井参数,建立了长庆气田气、水层识别模型。仿真计算与测井综合解释相对比,样本符合率高达81．3%。分析表明,该方法所需参数少、适用范围广,能定量识别出气水层,从而为制定有水气井改造措施提供较可靠的依据。     

加氢反应器分配器数值模拟与结构优化

采用Fluent软件对加氢反应器中单个泡罩分配器的流体力学性能进行模拟,以BL型气液分配器为基础构型,通过改进其下降管和碎流板结构进行结构优化。结果表明,改进的气液分配器构型与原BL型气液分配器相比,喷洒面积增大255%,不均匀度减小30.19%,压降增大73.63%,综合性能优于原BL型气液分配器。     

改进蚁群聚类算法在火山岩岩性识别中的应用

提出了一种基于蚁群算法和模糊聚类算法的改进蚁群聚类算法对火山岩岩性进行识别。介绍了蚁群算法的原理、K-均值聚类算法的实现过程及改进蚁群聚类算法的实现过程。用该方法对火山岩样本数据点进行训练和学习,获得最佳的岩性聚类中心,根据加权信息素浓度和的大小,识别实际测井数据点的岩性。对松辽盆地430个火山岩薄片的实际处理表明,与自组织神经网络及K-均值聚类算法相比,该方法识别准确率高、运算速度快,是一种有效的岩性识别手段。     

基于PSO-FCM算法的碳酸盐岩储层流体识别

针对碳酸盐岩储层流体识别问题,提出了基于优化粒子群改进的模糊C均值聚类(PSO-FCM)的方法,根据测井参数的流体指示系数,对标准化测井参数进行加权,提高测井参数对流体的敏感性;选取模糊C均值聚类(FCM)算法的目标函数作为优化粒子群(PSO)算法的适应度函数,得到全局最优解,从而改进FCM算法受初值影响较大的缺点,应用PSO-FCM算法结合试采资料,确定样本的流体聚类中心,进而计算储层的流体概率;根据交会图法确定水层和气水同层、气层和气水同层的流体概率阈值,建立流体识别标准。将该方法应用于研究区礁滩气藏流体识别中,样本回判符合率达93.2%,非样本储层解释符合率达90.6%。该方法流体识别准确度较高,为利用常规测井曲线解决碳酸盐岩储层流体识别问题提供了有益参考。     

混合优化自动剩余静校正方法研究

剩余静校正量计算本质上是一个非线性优化问题。针对单独运用遗传算法或模拟退火算法求解剩余静校正计算效率低、精度不高等缺点，本文提出了混合全局优化的自动剩余静校正方法，即利用两者的优点（遗传算法具有较强的把握搜索过程总体的能力，模拟退火法具有较强的局部搜索能力）开发的一种优化算法。文中对混合全局优化自动剩余静校正的处理流程和实现技术作了深入研究。从模型数据试算和我国西部某地区实际资料的处理结果可以看到，混合优化技术无论在运算速度还是在求解精度上都优于其他方法。     

同伦BP算法在储集层参数预测中的应用

同伦算法是解决非线性优化问题的新理论，将同伦算法引入误差反向传播神经网络，提高了网络的训练速度，消除了常规BP网络算法收敛于局部极值的缺点。该算法具有稳定性强、训练速度快、收敛精度高的优点。实际应用表明，利用此网络进行储集层参数预测，提高了参数预测的可靠性；该算法具有克服网络病态的能力。     

利用RBF神经网络自适应调整算法预测储层产能

传统径向基(RBF)神经网络的基函数宽度值都由经验公式确定或人为选取,没有考虑误差分布情况,所以在应用中常常效果不够理想。为此本文以最近邻距离算法为基础提出一种改进的RBF神经网络算法,能够自适应地调整基函数中心点宽度值以达到高精度、快速逼近样本的目的。在石油储层产能的预测中,首先对样本信息进行属性约简、预处理;然后在网络学习训练中通过计算输入样本的RBF神经网络的中心点值,再确定RBF神经网络基函数的宽度值,直到满足系统精度为止;最后用训练好的网络来进行储层产能预测。仿真结果表明,改进的RBF神经网络算法应用效果显著,不仅比传统RBF神经网络算法拟合精度高,而且收敛速度快。     

地层可钻性级值预测新方法

对测井资料与地层可钻性级值的关系进行了分析,提出了一种基于粒子群优化支持向量机算法预测地层可钻性级值的新方法,利用测井声波时差、地层密度、泥质质量分数和地层深度进行学习训练支持向量机,并利用粒子群优化算法对支持向量机(PSO-SVM)参数进行优化,建立了预测地层可钻性级值的支持向量机模型。应用该方法对准噶尔盆地庄2井的地层可钻性级值进行了预测,并将该方法的预测结果与BP神经网络方法的预测结果进行了比较。结果表明,该方法优于BP神经网络方法,具有预测精度高、收敛速度快、推广能力强等优点。     

改进的布谷鸟MT反演算法

由于大地电磁（MT）数据的反演是高度非线性的,传统的全局优化算法收敛速度慢,且易陷入局部极值。为此,提出一种结合单纯形法的全局布谷鸟算法（ICS）反演MT数据。针对布谷鸟算法（CS）精于探索、疏于开发的特点,引入粒子群算法中的全局最优解,加强算法的局部搜索能力;同时结合单纯形法对较差鸟巢进行改进,进一步提高寻优精度。理论和实测数据反演结果表明,改进后的算法反演结果更稳定,收敛速度更快,求解精度更高。     

改进的蚂蚁算法在试井曲线拟合中的应用

通过将带可变邻域搜索的进化策略引入解决组合问题的蚂蚁算法,得到了可以用于解决连续优化问题的改进的蚂蚁算法,并给出了优化步骤.将改进的蚂蚁算法应用于试井曲线的拟合中,并编写了计算程序.改进的蚂蚁算法与遗传算法的对比结果表明,前者的收敛速度和收敛值以及在多局部最优解问题上均优于遗传算法,并具有较强的实用性.     

Hybrid connectionist model determines CO2–oil swelling factor

In-depth understanding of interactions between crude oil and CO₂ provides insight into the CO₂-based enhanced oil recovery (EOR) process design and simulation. When CO₂ contacts crude oil, the dissolution process takes place. This phenomenon results in the oil swelling, which depends on the temperature, pressure, and composition of the oil. The residual oil saturation in a CO₂-based EOR process is inversely proportional to the oil swelling factor. Hence, it is important to estimate this influential parameter with high precision. The current study suggests the predictive model based on the least-squares support vector machine (LS-SVM) to calculate the CO₂–oil swelling factor. A genetic algorithm is used to optimize hyperparameters (γ and σr2) of the LS-SVM model. This model showed a high coefficient of determination (R² = 0.9953) and a low value for the mean-squared error (MSE = 0.0003) based on the available experimental data while estimating the CO₂–oil swelling factor. It was found that LS-SVM is a straightforward and accurate method to determine the CO₂–oil swelling factor with negligible uncertainty. This method can be incorporated in commercial reservoir simulators to include the effect of the CO₂–oil swelling factor when adequate experimental data are not available.     

基于改进遗传算法的注水系统运行参数优化

以注水系统耗电量最小为目标函数、排量、压力等限制为约束条件，建立了注水系统参数优化数学模型，并用外部惩罚函数法将该问题转化为无约束问题。针对遗传算法的局限性，采用浮点数编码，调整了适应函数，改进了交叉和变异操作，实施了最优保留策略，并结合模拟退火算法，从而形成了改进遗传算法。该算法能够有效地提高收敛速度，避免早熟收敛。算例说明，该优化方法有效、实用。     

安装变频调速装置的复杂注水系统运行优化研究

以轴功率最小为目标函数,以限制水量平衡、注水压力、调速泵转速、泵排量为约束条件,建立了安装变频调速装置的复杂注水系统运行参数优化数学模型。针对复杂注水系统的运行特点,采用改进遗传算法对运行优化模型进行了求解,同时优化了变频泵的位置和运行参数。改进遗传算法采用实数编码,并对适应函数进行了调整,采用随机多父辈适应函数值加权交叉法,改进了变异操作。在操作过程中,给出了泵排量和变频调速的处理方法,大大减少了不可行解的产生,使该算法的优化性能得到了提高。用算例说明了该优化方法的有效性。