碳酸盐岩缝洞系统地震响应特征分析和塔中卡1区缝洞储层预测

碳酸盐岩岩溶风化壳由多期喀斯特化与后期构造运动叠加改造的孔、洞、缝等组成，形成了大小不等、空间形态复杂的储集体，此类储层非均质性强，难以预测和表征。设计了不同尺度溶洞和裂缝的碳酸盐岩岩溶风化壳物理模型，采用超声定比观测方法对地震波的传播能量和反射结构变化进行了分析。结果表明，理想条件下溶洞与裂缝可形成强短反射和杂乱反射，极不规则溶洞和洞缝的复杂联合体均表现为反射背景上的杂乱反射。利用强振幅聚类分析和不连续性检测等手段对塔中卡1区的叠后地震资料进行了储层预测和识别，卡1区的碳酸盐岩岩溶缝洞型储层表现出强短反射和反射背景上的局部杂乱反射这2种地震微相。利用古构造起伏趋势和波形检测等辅助方法，进一步证实了这些反射异常与卡1区岩溶缝洞地质成因的关联性。综合分析认为，卡1区碳酸盐岩岩溶缝洞型储层发育程度较弱，在构造高点部署的2口异常区外的探井实钻数据也证实了这一预测结果。     

降低碳酸盐岩地层孔隙度和渗透率计算不确定性的方法

碳酸盐岩储层受后期改造作用严重，使成岩作用、孔隙度、孔隙类型和声波速度之间相关性不强。用常规测井方法难以精确计算这种复杂储层的孔隙度和渗透率。介绍了提高碳酸盐岩孔隙度和渗透率计算精度的几种方法,即岩石物理反演法、数字图像分析技术、基于实验数据的渗透率模型法。这些新技术的应用实例表明:用岩石物理反演的孔隙度与岩心薄片的成像相吻合；用图像分析得到的大孔隙度在约束渗透率发散计算方面非常有用，使渗透率计算的不确定性降低2.5个数量级。将岩心实验测量、测井和地震相结合是提高孔隙度和渗透率等储层参数计算精度的发展方向。     

基于U-Net深度卷积神经网络的碳酸盐岩储层自动识别方法

本文将目前主流的深度学习思想引入到缝洞油藏描述领域,减少该领域的大规模人工交互分析的成本。构建了面向缝洞储层分类自动识别的井震样本数据集,为后续缝洞储层自动识别深度网络的构建提供训练数据。在利用对U-Net网络进行训练时,采取“预训练+调优训练”两步实施的策略,实现了高精度的储层概率与储层分类自动识别,实际资料测试结果表明深度网络具有较好的泛化能力。     

ISP技术在计算机接口实验中的应用

介绍了在系统编程ISP（In-System Programmability）技术、自主开发出适合实验教学的WCS_3实验系统把它应用到计算机接口实验中。以实际应用说明了ISP技术如何提高学生创新能力、加强实验室管理、合理利用实验资源。