排序方式: 共有9条查询结果,搜索用时 15 毫秒
1
1.
由于储层非均质性严重,砾岩油藏具有岩性物性背景复杂以及油层电阻率变化幅度大等特点,其水淹层的定量评价已经成为油田二次调整开发的重点和难点.基于测井、取芯、测试等分析资料,应用油气运聚成藏理论,在储层品质因子研究的基础上,建立了砾岩油藏原始含油饱和度的计算模型.定义原始含油饱和度和目前含油饱和度的差值与原始含油饱和度的比值为储层的采出指数,表征注水开发以后到目前油藏状态下储层动态水淹的特征参数,与传统的产水率和含油饱和度两个水淹特征参数相比,其优势在于考虑了油层动态水淹的过程,消除了砾岩油藏本身因为电阻率变化幅度大且单一利用目前含油饱和度定量评价水淹层的缺点.将该法应用于克拉玛依油田砾岩油藏水淹层的评价中,对比研究了含油饱和度、产水率和采出指数3个参数对砾岩油藏的水淹敏感性.结果表明:采出指数敏感性最高,识别准确率达到89.58%,提高了砾岩油藏水淹层的识别精度,为克拉玛依油田井网调整和开发方案的设计提供了技术支持. 相似文献
3.
复杂储层测井评价数据挖掘方法研究 总被引:8,自引:1,他引:7
数据挖掘是应对石油勘探开发未来挑战的10项关键技术之一。提出了一种将预测性数据挖掘技术应用于复杂储层测井评价的方法。将遗传算法应用于特征子集选择和建模参数优化,利用重复交叉验证得到泛化误差的无偏估计,并从选定的多学习算法建模结果中优选出最终预测模型。以克拉玛依油田六中区克下组油藏水淹级别划分为例,在该方法框架内对比研究了8种特征子集方案和决策树、神经网络、支持向量机、贝叶斯网络、组合学习等5种分类方法12种预测模型。结果表明支持向量机预测准确率最高,达91.47%,选择其作为最终预测模型,而决策树模型容易理解,作为辅助参考模型。利用该数据挖掘方法解决油、气、水层识别和岩性划分等问题时,能够获得高性能的分类模型,从而将有效地提高解释精度和符合率。 相似文献
4.
5.
数据挖掘方法在石油勘探开发中的应用研究 总被引:5,自引:0,他引:5
随着石油勘探开发的不断深入,要想从海量的地震数据中创造新的效益,有必要将数据挖掘方法应用于石油勘探和开发中,以获取高性能的地质、油藏、储层及流体性质评价的预测模型。该方法由特征选择、模型参数优化、性能评估等三大循环组成,核心技术是将遗传算法用于特征选择和参数优化,通过重复交叉验证得到泛化准确率的无偏估计以及从多种学习方法中优选出最终模型。本文以克拉玛依油田砾岩油藏水淹层评价为例,研究了6种特征子集方案和决策树、神经网络、支持向量机、贝叶斯网络及组合学习等5种方法,综合考虑预测模型的准确率和生成规则的可操作性,并选择决策树模型作为砾岩油藏水淹级别评价的最终预测模型。与传统的地球物理勘探方法相比较,采用该数据挖掘方法的优势在于:可以充分利用多专业数据;获得丰富的预测模型;探查和发现规律;提高预测准确度,因而能更好地为油气勘探开发服务。 相似文献
6.
7.
在当今的企业环境中,传统的企业管理信息系统是为其他目的,即为使职能机构有效地实施其职责而设计的,它不能产生使项目管理人员和其他项目参加人员需要的具体信息,也没有综合和协调不同职能的功能。因此,适合于项目管理需要的、以计算机为基础的独特的项目信息和控制系统的开发是非常必要的。企业有必要建立自己的管理、决策支持信息等的一套办公自动化系统。 相似文献
8.
本文测试了基于网格计算技术的PC集群系统在大规模油藏模拟中的使用,测试结果显示大规模油藏模拟在最新的PC集群系统上高效运行是可行的。 相似文献
9.
1