CN103257360B - 基于模糊c均值聚类的碳酸盐岩流体识别方法 - Google Patents
基于模糊c均值聚类的碳酸盐岩流体识别方法 Download PDFInfo
- Publication number
- CN103257360B CN103257360B CN201310148211.5A CN201310148211A CN103257360B CN 103257360 B CN103257360 B CN 103257360B CN 201310148211 A CN201310148211 A CN 201310148211A CN 103257360 B CN103257360 B CN 103257360B
- Authority
- CN
- China
- Prior art keywords
- fluid
- fuzzy
- identification
- algorithm
- means clustering
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
Landscapes
- Geophysics And Detection Of Objects (AREA)
Abstract
本发明为石油勘探中一种基于模糊C均值聚类的碳酸盐岩流体识别方法，该方法将混沌量子粒子群(CQPSO)算法与模糊C均值聚类(FCM)算法有机结合，利用混沌粒子群算法来初始化隶属度矩阵，有效解决了传统模糊Ｃ均值聚类算法对初始化敏感的问题，并使之具有很强搜索全局最优解的能力，显著提高了模糊分类能力。并将其引入到碳酸盐岩流体识别当中，有效解决了由于地震资料的频散所导致的岩石物理分析结果与地震反演结果不匹配的问题，提高了碳酸盐岩流体的识别精度，并且该方法还能够计算出属于各流体性质的概率，可对流体识别的不确定性进行评价，从而有效降低勘探风险，为充分利用多种叠前弹性信息实现碳酸盐岩储层流体识别提供了一种新的研究思路。
Description
技术领域
本发明属于石油勘探领域，涉及将混沌量子粒子群优化算法与模糊C均值聚类算法相结合，并引入到碳酸盐岩流体识别当中，为充分利用多种叠前弹性信息实现碳酸盐岩流体识别提供了一种新的研究思路。
背景技术
利用地震资料进行流体识别是油气勘探最重要的研究工作，由于叠前AVO/AVA反演保留地层的横波信息，对储层流体变化特征具有敏感性，因此AVO技术已成为流体检测的重要地球物理手段之一。
国内外一些学者对利用叠前弹性信息进行流体识别做了大量深入的研究工作，提出了利用多种敏度流体识别因子来对流体进行直接检测(Goodway，1997；宁忠华，2006；李景叶，2008；贺振华，2009)，在一些地区取得了较好的应用效果。但是在实际应用中很难根据实际情况选择合适的流体识别因子，特别是针对塔里木复杂碳酸盐岩储层，利用单一的流体识别因子来进行流体预测应用效果并不理想。目前相对成熟而有效的方法是将岩石物理分析与叠前弹性反演结合，优选敏感流体识别因子进行交汇来进行流体的预测。首先，通过精细的岩石物理分析进行流体替代研究，正演模拟储层内饱和不同流体性质（油、气、水）时的各种叠前弹性参数；然后评价各种弹性参数对储层岩性和流体的敏感程度，通过交汇分析优选敏感的两种流体识别因子组合；最后，在叠前弹性反演结果基础上，在井旁道上提取的相应的敏感流体因子进行交汇，圈划出饱气、饱油和饱水储层的范围，从而得出研究区内的流体分布综合预测结果(江伟，2010；郎晓玲，2010；王军，2011)。
该方法与叠后流体识别方法相比有了很大的进步，但是在塔里木碳酸盐岩流体识别中的实际应用效果却不是很理想。分析其主要有以下几点原因：①岩石物理研究是做好叠前反演的基础保证，而塔里木碳酸盐岩储层次生孔隙结构（溶蚀孔、洞、缝）复杂，这会对碳酸盐岩储层的岩石物理分析及纵横波速度的预测带来相当大的难度，在计算过程中不可避免的带来误差，其准确程度会对叠前反演结果起到重要的影响；②岩石物理正演分析所依据的测井数据频率较高（通常为1kHZ-20kHz），而地震资料在深层往往存在较大频散而导致频率较低（通常为10HZ-80Hz），测井数据与反演结果在数值范围上会存在一定的差异，因此在实际进行流体识别时所利用的交汇数据是从叠前反演结果中提取，导致在敏感流体因子交汇图中所圈定的饱含不同流体性质的范围与岩石物理正演分析中所圈定的范围是不同的，为了得到较好的流体识别效果，必须根据已知井揭示的流体信息进行标定，不断修改交汇图中的流体分布范围，以达到最佳的匹配效果，，在这样操作过程中不可避免带来人为影响因素；③通过叠前AVO/AVA反演能够计算出多种叠前弹性参数，其中包含了丰富的流体信息，但常规叠前流体识别方法最终优选两种对流体识别相对比较敏感的两种叠前参数交汇，从而对流体分布进行预测，并没能充分利用丰富的叠前信息，造成流体识别的精度不高。
发明内容
针对模糊C均值聚类(FCM)算法对初值敏感和易陷入局部收敛的缺点，本发明将FCM算法和混沌量子粒子群(CQPSO)算法有机结合，提出了一种基于混沌量子粒子群的模糊C均值聚类(CQPSO-FCM)方法，该方法利用混沌粒子群算法来初始化隶属度矩阵，能够有效解决模糊Ｃ均值聚类算法对初始化敏感的问题，并具有很强的搜索全局最优解的能力，有效提高了模糊分类能力。并将改进的模糊C均值聚类算法引入到碳酸盐岩流体识别当中，提取已知钻井揭示的流体性质与叠前弹性参数之间的关系，能够计算出待辨别样本属于各流体性质的概率分布。经证实，该方法可对流体识别的不确定性进行评价，能够显著提高碳酸盐岩流体识别的精度，从而可以降低勘探风险，具有很好的实际应用价值，为充分利用叠前弹性信息实现复杂碳酸盐岩流体识别提供了一种新的技术方法。
本发明实现上述目的的具体实施方案如下：
步骤1：对地震资料进行叠前保幅偏移，抽取共反射点CRP道集；
步骤2：进行叠前AVO反演，基于反演结果：纵波阻抗、横波阻抗、密度数据体，计算出多种流体因子；
步骤3：根据钻井所揭示的流体性质实际情况，选取研究区已钻井作为训练样本，并提取各井储层段所对应的流体因子进行两两交汇，依据敏感性和独立性原则，优选对流体性质识别敏感、能够反映流体性质本质特征并相互之间独立的作为敏感流体识别因子组合；
步骤4：利用混沌映射初始化模糊C均值聚类的隶属度矩阵，对优选敏感流体识别因子组合在高维空间内进行分析，计算各聚类中心以及样本距各聚类中心的距离，判断训练样本的流体性质，当满足结束条件时转入步骤6，否则转入步骤5；
步骤5：利用量子粒子群对模糊C均值聚类的隶属度矩阵进行更新迭代，并判断算法是否陷入早熟收敛，如果是则进行混沌映射，直到找到全局最优值，使训练样本流体性质的预测吻合率满足结束条件，转入步骤6；
步骤6：输出各流体性质的模糊聚类数以及各模糊聚类中心；
步骤7：计算待识别样本距各模糊聚类中心的距离和隶属度，将分别属于各流体性质，如油气、水、泥和基质的隶属度进行累加，计算出待识别样本属于各流体性质的概率，以此作为依据对流体性质进行识别。
本发明所提供的基于混沌量子粒子群的模糊C均值聚类(CQPSO-FCM)算法的基本原理如下：针对模糊C均值聚类算法(FCM)对初值敏感和易陷入局部收敛的缺点，利用混沌映射初始化隶属度矩阵，能够有效解决模糊Ｃ均值聚类算法对初始化敏感的问题；并利用混沌粒子群算法(CQPSO)代替模糊C均值聚类算法(FCM)的迭代过程，通过计算目标函数误差不断对量子粒子进行更新，同时运行早熟收敛判断机制，如果目标函数值没有满足结束条件，并且群体适应度方差小于早熟收敛判断阈值，则认为种群陷入局部极值，引入混沌变异操作，从混沌序列中优选最优的映射点代替原种群中较差粒子，显著增强了算法的搜索全局最优解的能力，有效提高了模糊分类能力。
本发明的特色是：通过叠前AVO反演出的多种叠前弹性参数包含了丰富的流体信息，但常规叠前流体识别方法最终仅优选两种对流体识别相对比较敏感的流体识别因子进行交汇，并没能充分利用丰富的叠前信息，造成流体识别的精度不高。对于一些在二维平面不可分的数据，而在高维空间上却很容易分开，从这一思想出发，将改进的模糊C均质聚类算法引入到碳酸盐岩流体识别当中，在高维空间内建立已钻井揭示的流体性质与多种敏感流体识别因子之间的关系，即可以有效解决由于地震资料的频散所导致的岩石物理分析结果与地震反演结果不匹配的问题，又能够充分融合多种叠前弹性参数，提高碳酸盐岩流体的识别精度。并且该方法不仅能够得到流体性质的分类判断，而且还能计算出属于各流体性质的隶属度(即流体类别概率)，可对流体识别的不确定性进行评价，从而可以有效降低勘探风险。
附图说明
图1基于模糊C均值聚类的碳酸盐岩流体识别方法流程示意图
图2提取井旁道多种流体因子交汇示意图
图3优选的敏感流体识别因子组合高维空间投影示意图
图4基于模糊C均值聚类分析计算的各流体性质聚类中心高维空间投影示意图
图5X5(水井)与X5C(油气井)改进模糊C均值聚类流体识别结果示意图
图6X9(泥质充填井)改进模糊C均值聚类流体识别结果示意图
图7塔里木盆地塔中地区某区块基于模糊C均值聚类预测的流体分布特征示意图
具体实施方式
以下结合附图说明本发明具体实施方式。
图1为本发明的基于模糊C均值聚类的碳酸盐岩流体识别方法流程示意图：
步骤1：对地震资料进行叠前保幅偏移，抽取共反射点CRP道集；
步骤2：进行叠前AVO反演，基于反演结果：纵波阻抗、横波阻抗、密度数据体，计算出多种流体因子；
步骤3：根据钻井所揭示的流体性质实际情况，选取研究区已钻井作为训练样本，并提取各井储层段所对应的流体因子进行两两交汇，依据敏感性和独立性原则，优选对流体性质识别敏感、能够反映流体性质本质特征并相互之间独立的作为敏感流体识别因子组合；
步骤4：利用混沌映射初始化模糊C均值聚类的隶属度矩阵，对优选敏感流体识别因子组合在高维空间内进行分析，计算各聚类中心以及样本距各聚类中心的距离，判断训练样本的流体性质，当满足结束条件时转入步骤6，否则转入步骤5；
步骤5：利用量子粒子群对模糊C均值聚类的隶属度矩阵进行更新迭代，并判断算法是否陷入早熟收敛，如果是则进行混沌映射，直到找到全局最优值，使训练样本流体性质的预测吻合率满足结束条件，转入步骤6；
步骤6：输出各流体性质的模糊聚类数以及各模糊聚类中心；
步骤7：计算待识别样本距各模糊聚类中心的距离和隶属度，将分别属于各流体性质（油气、水、泥和基质）的隶属度进行累加，计算出待识别样本属于各流体性质的概率，以此作为依据对流体性质进行识别。
综合测井解释、试油等资料确定各井在碳酸盐岩储层段内的流体性质，并假设距井口50m范围内流体性质与井口位置一致，选取研究区内流体性质比较确定的12口井，提取井旁50m范围内1246个数据点的流体因子作为已知训练样本，其中油气储层195个，含水储层95个，泥质充填储层65个，非储层891个。利用本发明提供的算法预测训练样本的流体性质，并与已知流体性质进行比较，计算符合率，来检验该算法流体性质的预测效果。预测结果显示模糊C均值聚类对各流体性质的分类效果均相当显著,油气储层和非储层的符合率都达到了95%以上，总符合率达到97.99%，说明该方法能够充分利用丰富的叠前信息，很好的区分各流体性质之间的差异，验证了该方法的有效性。
图2是根据钻井所揭示的流体性质实际情况，提取各井储层段所对应的流体因子进行两两交汇。选取塔里木盆地塔中地区某区块为研究区，根据研究区钻井所揭示的流体性质实际情况，将碳酸盐岩储层分为油气储层、含水储层、泥质充填储层和非储层四类。基于叠前反演的结果（纵波阻抗、横波阻抗、密度数据体）可以计算出多种流体因子，根据对研究区流体性质的识别效果，针对研究区本发明中所利用流体因子包括：纵波阻抗Ip、纵横波速度比Vp/Vs、拉梅常数与密度的乘积λρ和μρ以及两种组合参数λρ*VpVs和Ip*VpVs。并将该六种流体因子进行两两交汇，从中优选对碳酸盐岩流体识别敏感的流体因子组合。
图3为优选的敏感流体识别因子组合高维空间投影。对图2多流体因子交汇结果进行分析，由于各流体因子间并不是相互独立的，必须分析流体因子间的相关性，优选出能够反映流体性质本质特征的、相互之间独立的流体因子。其中，Vp/Vs与λρ、Vp/Vs与λρ*Vp/Vs，Ip*Vp/Vs与Ip之间都具有很好的相关性，同时剔除彼此相关系数较大的流体因子，最后保留Vp/Vs、Ip和μρ作为敏感流体识别因子组合，并在三维空间进行投影，可见在三维空间进行交汇要比任意两种流体因子交汇流体性质更容易分开，即多维彼此相关性小的敏感因子组合对流体的识别能力更强。
图4是基于模糊C均值聚类分析计算的各流体性质聚类中心高维空间投影。利用基于混沌量子粒子群优化的模糊Ｃ均值聚类算法对优选的Vp/Vs、Ip和μρ敏感流体识别因子组合进行分析，由于不同流体性质在三维空间中的分布范围不同，因此不同流体性质有不同的模糊聚类数，最后计算得出各流体性质的模糊聚类中心，很好的表达了不同流体性质在三维空间中的流体因子的分布特征，反映了各流体性质在叠前弹性信息中的本质特点。
图5是X5(水井)与X5C(油气井)改进模糊C均值聚类流体识别结果。X5井(水井)与X5C井(油气井)虽然在叠后地震剖面上均显示为“串珠状强反射”，但流体性质却有很大的差异，直井X5井完井测试主要以产水为主，点火可燃，测试结论为含气水层，而侧钻井X5C测试获高产工业油气流，通过改进模糊C均值聚类方法可以计算出属于不同流体性质的隶属度(即流体类别概率)，可以看出直井X5井的含水概率最高，而侧钻井X5C井的含油气概率最高，因此将X5井归为产水井，X5C井归为油气井，与实际生产情况相一致。
图6是X9(泥质充填井)改进模糊C均值聚类流体识别结果。X9井为研究区典型的泥质充填井，测试含油花，泥质充填严重，测试结论为干层，与预测的该井含泥概率最高吻合。
图7是塔里木盆地塔中地区某区块基于模糊C均值聚类预测的流体分布特征，与已钻井所揭示的流体特征均很好的吻合，证明该方法进行碳酸盐岩流体识别是有效的，具有很好区分流体的能力，能够充分融合多种叠前弹性信息对碳酸盐岩流体进行综合识别，可以提高碳酸盐岩的流体识别精度。并且该方法不仅能够得到流体性质的分布特征，而且还能得出属于各流体性质的隶属度(即流体类别概率)，可对流体识别的不确定性进行评价，从而可以有效降低勘探风险，具有很好的实际应用价值。
以上具体实施方式仅用于说明本发明，而非用于限定本发明。
Claims (1)
1.基于叠前弹性信息，利用改进的模糊C均值聚类的碳酸盐岩流体识别方法，其特征在于，所述方法包括如下步骤：
步骤1：对地震资料进行叠前保幅偏移，抽取共反射点CRP道集；
步骤2：进行叠前AVO反演，基于反演结果：纵波阻抗、横波阻抗、密度数据体，计算出多种流体因子；
步骤3：根据钻井所揭示的流体性质实际情况，选取研究区已钻井作为训练样本，并提取各井储层段所对应的流体因子进行两两交汇，依据敏感性和独立性原则，选择对流体性质识别敏感、能够反映流体性质本质特征并相互之间独立的流体因子作为敏感流体识别因子组合；
步骤4：针对模糊C均值聚类算法FCM对初值敏感和易陷入局部收敛的缺点，利用混沌映射初始化模糊C均值聚类的隶属度矩阵，对选择的敏感流体识别因子组合在高维空间内进行分析，计算各聚类中心以及样本距各聚类中心的距离，判断训练样本的流体性质，当满足结束条件时转入步骤6，否则转入步骤5；
步骤5：利用混沌量子粒子群算法CQPSO代替模糊C均值聚类算法FCM的迭代过程，对隶属度矩阵进行更新迭代，并判断算法是否陷入早熟收敛，如果目标函数值没有满足结束条件，并且群体适应度方差小于早熟收敛判断阈值，则认为种群陷入局部极值，引入混沌变异操作，从混沌序列中选择最优的映射点代替原种群中较差粒子，直到找到全局最优值，使训练样本流体性质的预测吻合率满足结束条件，转入步骤6；
步骤6：输出各流体性质的模糊聚类数以及各模糊聚类中心；
步骤7：计算待识别样本距各模糊聚类中心的距离和隶属度，将分别属于各流体性质的隶属度进行累加，计算出待识别样本属于各流体性质的概率，以此作为依据对流体性质进行识别。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201310148211.5A CN103257360B (zh) | 2013-04-25 | 2013-04-25 | 基于模糊c均值聚类的碳酸盐岩流体识别方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201310148211.5A CN103257360B (zh) | 2013-04-25 | 2013-04-25 | 基于模糊c均值聚类的碳酸盐岩流体识别方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN103257360A CN103257360A (zh) | 2013-08-21 |
| CN103257360B true CN103257360B (zh) | 2016-05-11 |
Family
ID=48961383
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201310148211.5A Expired - Fee Related CN103257360B (zh) | 2013-04-25 | 2013-04-25 | 基于模糊c均值聚类的碳酸盐岩流体识别方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN103257360B (zh) |
Families Citing this family (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104570109B (zh) * | 2013-10-29 | 2017-07-14 | 中国石油天然气集团公司 | 一种储层油气预测的方法 |
| CN104714252A (zh) * | 2014-03-04 | 2015-06-17 | 中国石油化工股份有限公司 | 分析流体因子敏感性的方法 |
| CN104459774B (zh) * | 2014-11-05 | 2017-04-05 | 中国石油天然气股份有限公司 | 一种地质岩性差异识别方法及系统 |
| CN106443822A (zh) * | 2016-08-16 | 2017-02-22 | 中国石油化工股份有限公司 | 基于重磁电震三维联合反演下的地质综合识别方法及装置 |
| CN107688201B (zh) * | 2017-08-23 | 2019-12-31 | 电子科技大学 | 基于rbm地震叠前信号聚类方法 |
| CN107703544B (zh) * | 2017-09-27 | 2019-06-04 | 中国石油集团东方地球物理勘探有限责任公司 | 基于地质统计学的叠前振幅随偏移距变化油气预测方法 |
| CN108133121A (zh) * | 2018-02-24 | 2018-06-08 | 北京科技大学 | 压电传感器端口等效导纳电路参数估计的方法 |
| CN112147679B (zh) * | 2019-06-26 | 2024-04-16 | 中国石油化工股份有限公司 | 在模糊逻辑框架下基于弹性参数的岩性预测方法和装置 |
| CN110907155A (zh) * | 2019-12-02 | 2020-03-24 | 吉林松江河水力发电有限责任公司 | 一种水轮机转动轴故障监测方法 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20080015784A1 (en) * | 2006-06-21 | 2008-01-17 | Terraspark Geosciences, L.P. | Extraction of Depositional Systems |
| CN102353989A (zh) * | 2011-08-24 | 2012-02-15 | 成都理工大学 | 基于自适应基质矿物等效弹性模量反演的横波速度估算方法 |
-
2013
- 2013-04-25 CN CN201310148211.5A patent/CN103257360B/zh not_active Expired - Fee Related
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20080015784A1 (en) * | 2006-06-21 | 2008-01-17 | Terraspark Geosciences, L.P. | Extraction of Depositional Systems |
| CN102353989A (zh) * | 2011-08-24 | 2012-02-15 | 成都理工大学 | 基于自适应基质矿物等效弹性模量反演的横波速度估算方法 |
Non-Patent Citations (6)
| Title |
|---|
| 基于核空间的模糊聚类方法在储层预测中的应用;印兴耀;《中国石油大学学报（自然科学版）》;20120228;第36卷(第1期);第1部分、第2部分 * |
| 基于混沌粒子群的模糊C-均值聚类算法;张春娜;《计算机工程与设计》;20130331;第34卷(第3期);第1.2部分、第3.2部分、第5部分 * |
| 基于粒子群优化算法波阻抗反演的研究与应用;蔡涵鹏;《石油地球物理勘探》;20081031;第43卷(第5期);全文 * |
| 多参数交会流体识别方法及应用;江伟;《勘探地球物理进展》;20100630;第33卷(第3期);摘要部分，第1部分 * |
| 模糊C均值地震属性聚类分析;杨培杰;《石油地球物理勘探》;20070630;第42卷(第3期);全文 * |
| 葵花岛油田储层流体识别方法研究;闫家宁;《石油地质与工程》;20070331;第21卷(第2期);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN103257360A (zh) | 2013-08-21 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN103257360B (zh) | 基于模糊c均值聚类的碳酸盐岩流体识别方法 | |
| CN107290782B (zh) | 储层孔隙度、含水饱和度和泥质含量参数同时反演新方法 | |
| Liu et al. | A modified Fuzzy C-Means (FCM) Clustering algorithm and its application on carbonate fluid identification | |
| CN104747185B (zh) | 非均质油藏储层综合分类评价方法 | |
| CN106501854B (zh) | 油气钻探目标地质风险定量评价方法 | |
| Nikravesh et al. | Past, present and future intelligent reservoir characterization trends | |
| Liu et al. | Petrophysical static rock typing for carbonate reservoirs based on mercury injection capillary pressure curves using principal component analysis | |
| CN102880903A (zh) | 混沌量子粒子群模糊神经网络叠前非线性流体识别方法 | |
| CN107356958A (zh) | 一种基于地质信息约束的河流相储层分步地震相预测方法 | |
| CN102918423A (zh) | 用于地震烃体系分析的方法 | |
| CN102455438B (zh) | 碳酸盐岩缝洞型储层体积预测方法 | |
| CN111596978A (zh) | 用人工智能进行岩相分类的网页显示方法、模块和系统 | |
| CN110609320A (zh) | 一种基于多尺度特征融合的叠前地震反射模式识别方法 | |
| CN109184677A (zh) | 用于非均质互层砂体的储层评价方法 | |
| CN105572747A (zh) | 一种识别高盐富钾区注水开发油藏碎屑岩岩性的方法 | |
| Hu et al. | Water flooding flowing area identification for oil reservoirs based on the method of streamline clustering artificial intelligence | |
| CN109782345A (zh) | 一种利用地震属性预测储层的方法 | |
| Cheng et al. | Petroleum lithology discrimination based on PSO-LSSVM classification model | |
| Ali et al. | Data-driven lithofacies prediction in complex tight sandstone reservoirs: a supervised workflow integrating clustering and classification models | |
| CN115330007A (zh) | 基于深度融合模型的储层多分类预测方法 | |
| Yin et al. | Application of improved support vector machine in geochemical lithology identification | |
| Liu et al. | Identification of tight sandstone reservoir lithofacies based on CNN image recognition technology: A case study of Fuyu reservoir of Sanzhao Sag in Songliao Basin | |
| CN104834934A (zh) | 一种用于识别储层流体的核体俘获法 | |
| Gómez et al. | Comparative analysis of the K-nearest-neighbour method and K-means cluster analysis for lithological interpretation of well logs of the Shushufindi Oilfield, Ecuador | |
| Ghanbarnejad Moghanloo et al. | Integrating watershed segmentation algorithm and supervised Bayesian classification for the assessment of petrophysical parameters, pore properties, and lithofacies: a case study from Abadan Plain, SW Iran |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| C41 | Transfer of patent application or patent right or utility model | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20160406 Address after: 102249 Beijing city Changping District Road No. 18 Applicant after: China University of Petroleum (Beijing) Address before: 102249 School of Geophysics and information engineering, China University of Petroleum (Beijing), 18 Xuefu Road, Beijing, Changping District Applicant before: Liu Lifeng Applicant before: Sun Zandong |
|
| C14 | Grant of patent or utility model | ||
| GR01 | Patent grant | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20160511 Termination date: 20170425 |
|
| CF01 | Termination of patent right due to non-payment of annual fee |