CN104598766B - 面向油气储层综合评价的空间案例推理方法 - Google Patents
面向油气储层综合评价的空间案例推理方法 Download PDFInfo
- Publication number
- CN104598766B CN104598766B CN201510098626.5A CN201510098626A CN104598766B CN 104598766 B CN104598766 B CN 104598766B CN 201510098626 A CN201510098626 A CN 201510098626A CN 104598766 B CN104598766 B CN 104598766B
- Authority
- CN
- China
- Prior art keywords
- reservoir
- msub
- mrow
- evaluated
- case
- 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
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种面向油气储层综合评价的空间案例推理方法,包括以下步骤:(1)针对油气储层待评价区域的层位,确定各钻井储层类别,对钻井基础参数进行插值并导出结果;(2)对待评区域进行格网划分生成格网图层,每一格网为案例表达对象;(3)提取格网图层中每一格网对应的各基础参数属性、空间特征值及储层类别(部分有),使格网对应储层案例;(4)分别导出格网图层中所有和拥有储层类别的格网信息构成储层待评价案例集和案例库;(5)设置权重,对待评案例集中的每一案例据空间相似性和/或属性相似性从案例库中寻找相似度值最高的案例,将其储层类别赋予待评案例;(6)将获得储层类别的全部案例关联到格网图层中,按类别着色,得到储层综合评价分类图。
Description
技术领域
本发明涉及石油、天然气地质勘探领域,具体地说,是针对沉积岩区碎屑岩储层的一种面向油气储层综合评价的空间案例推理方法。
背景技术
在油气地质勘探领域,查明油气资源分布规律的方法通常有:传统油气储层综合评价方法和储层综合评价数学模型方法。
传统油气储层综合评价主要建立在油气地质专家独立评价的基础上,领域专家利用本领域获得的油气地质资料并使用各种统计方法,依靠自己的经验和专业知识,把不同类型的地质图件叠加起来进行定性研究。该方法需要大量的室内和野外工作,成本高,周期长,并且评价效果的好坏较多的依赖领域专家的经验和水平。
储层综合评价数学模型方法构建于模糊数学、灰色聚类、人工神经网络、灰色多元关联分析、粗糙集等数学方法基础之上,结合地理信息系统软件或地质软件,将各种储层综合评价参数数据进行叠加分析,并以各评价参数数据的属性特征值作为输入项,经数学模型计算后得出结果,最终在软件中生成一个区域的储层综合评价分类图。由于油气储层影响参数众多,其储集性能与各评价参数之间的关系往往是复杂的、非线性的,同时各参数之间也存在或强或弱的相关性;加之通过地质工作分析得到的数据往往具有不精确性和随机性,因此,储层综合评价精确数学模型的建立是一个难题。而且,该类方法现有数学模型数学知识很深,原理复杂,最佳训练结果不易确定,导致很难在油田等生产单位推广和使用。另外,由于事物间普遍的空间相关性,该类方法在储层综合评价时仅采用储层综合评价参数的属性特征值,模型计算时未考虑评价参数之间或内部的空间关系,而研究与实验表明,这些空间关系特征值对储层综合评价分类结果是有明显影响的。
因此,需要一种简单、快速、高效、低成本、非专家化的,并且考虑事物间空间关系的油气储层综合评价方法。
发明内容
针对上述现有方法的问题,本发明提供了一种面向油气储层综合评价的空间案例推理方法,能够更简单、快速、高效、低成本、非专家化地进行油气储层综合评价。
为了实现上述目的,本发明采用的技术方案其步骤如下:
(1)针对油气储层待评价区域的具体地层层位,将待评区域内所有油气钻井生成一个矢量钻进点图层,并确定每个钻井的储层类别;对每个钻井的基础参数数据分别进行空间插值生成各参数数据的面状分布图,并导出每个参数数据面状分布图所对应的栅格分布图、线状等值线图、面状等值线图;
其中,基础参数包括:砂体厚度、地层厚度、砂地比、孔隙度、渗透率、储层埋深;
(2)储层案例表达对象的构建:
对油气储层待评区域进行规则格网划分,并生成一个矢量格网图层,矢量格网图层中每一要素为一个规则矩形格网单元,所述格网单元即为储层案例表达对象;其中,格网大小以每一基础参数属性特征在格网内在一定误差范围内相等为依据;
(3)空间特征与属性特征一体化储层案例的构建:
(31)以步骤(2)中构建的矢量格网图层为目标图层,提取每一格网单元对应的各基础参数的属性特征值,该属性特征值由步骤(1)中的各栅格分布图提供;
(32)提取每一格网单元对应的各基础参数的空间特征值,该空间特征值由步骤(2)中矢量格网图层与步骤(1)中的各基础参数数据的线状等值线图和面状等值线图经空间度量、空间拓扑分析、空间连接处理得到;
(33)将步骤(1)构建的拥有储层类别的矢量钻井点图层与步骤(2)中矢量格网图层叠加,使得所述格网图层中部分格网单元获得了储层类别;每一格网单元即对应一个储层案例,表示为:储层案例=(属性特征;空间特征;储层类别);
(4)储层案例库与储层待评价案例集的构建:
导出矢量格网图层中拥有储层类别的格网单元信息并保存,构成储层案例库;导出矢量格网图层中的所有格网单元信息并保存,构成储层待评价案例集;
(5)以步骤(4)中构建的储层案例库为基准,为储层案例的空间特征与属性特征设置权重,对待评价案例集中的每一待评价储层案例依据空间相似性和/或属性相似性从储层案例库中寻找相似度值最高的已知储层案例,将已知储层案例的储层类别赋予待评价案例;对储层待评价案例集中的每一案例执行这一过程,从而使每一待评价案例获得储层类别;
(6)将待评价案例集中所有根据步骤(5)获得储层类别的待评价储层案例关联到步骤(2)中创建的矢量格网图层中,然后对每一格网单元按储层类别分别着色,不同类别设置不同颜色,即得到待评价区域油气储层综合评价分类图。
所述步骤(31)的具体方式如下:以步骤(2)中构建的矢量格网图层为目标图层,对每一格网单元,分别从砂体厚度、地层厚度、砂地比、孔隙度、渗透率、储层埋深的栅格分布图中提取格网单元中心点对应的砂体厚度、地层厚度、砂地比、孔隙度、渗透率、储层埋深数值,作为对应格网单元的值,并将该值导入矢量格网图层中。
所述步骤(32)的空间特征包括空间度量关系特征和空间拓扑关系特征,获得方式如下:
空间度量关系特征
以步骤(2)中矢量格网图层为目标图层,对每一格网单元,分别提取格网单元中心点到砂体厚度、地层厚度、砂地比、孔隙度、渗透率、储层埋深的线状等值线图中各等值线的最短距离,并导入矢量格网图层中,作为格网单元的空间度量关系特征;
空间拓扑关系特征
以步骤(2)中矢量格网图层为目标图层,对每一格网单元,分别提取格网单元中心点与砂体厚度、地层厚度、砂地比、孔隙度、渗透率、储层埋深的面状等值线图中各面状等值线的拓扑关系,并导入矢量格网图层中,作为格网单元的空间拓扑关系特征。
所述步骤(5)中包括以下推理方式:
a.根据属性相似性推理确定与待评价储层案例对应的已知储层案例;
b.根据空间相似性推理确定与待评价储层案例对应的已知储层案例;
c.根据属性相似性与空间相似性联合推理确定与待评价储层案例对应的已知储层案例;
d.根据扩展属性相似性与空间相似性联合推理确定与待评价储层案例对应的已知储层案例;
e.根据先属性相似性后空间相似性推理确定与待评价储层案例对应的已知储层案例;
f.根据先空间相似性后属性相似性推理确定与待评价储层案例对应的已知储层案例。
根据公式(1)进行属性相似性推理:
如果则
式中,i指某一基础参数对应的属性特征项,m为基础参数总项数,指已知储层案例第i个基础参数属性特征值,vi u指待评价储层案例第i个属性特征值,wi指第i个基础参数属性特征项的权重,sa为已知储层案例与待评价储层案例之间的属性相似度。
空间相似性推理方法如下:
根据公式(2)和(3)进行空间度量关系特征相似性推理:
如果则
式中,k指某一基础参数,j指k基础参数空间度量关系特征中的一项,n为总项数;指已知储层案例k基础参数空间度量关系特征中第j个项的值,指待评价储层案例对应的第j个项的值,是指已知储层案例k基础参数空间度量关系特征中第j个项的权重与待评价储层案例对应的第j个项的权重中较小的一个;的取值依据是,比较已知储层案例k基础参数空间度量关系特征中所有n个项的权重之和与待评价储层案例对应的n个项的权重之和,如果前者大,则全部取否则全部取 为已知储层案例和待评价储层案例之间针对k基础参数空间度量关系特征的相似度;
式中,k指某一基础参数,m为基础参数的总项数;为已知储层案例和待评价储层案例之间k基础参数空间度量关系特征的相似度,为对应基础参数空间度量关系特征的权重,sd为已知储层案例和待评价储层案例之间空间度量关系特征的综合相似度;
根据公式(4)和(5)进行空间拓扑关系特征相似性推理:
式中,k指某一基础参数,i1、j1指k基础参数空间拓扑关系特征中的一项,p为相对已知储层案例或待评价储层案例而言包含及相交关系总项数,q为相离关系总项数;指已知储层案例k基础参数空间拓扑关系特征中包含及相交关系项中的第i1项与待评价储层案例对应顺序的第i1项的比值,取值为1或0,取1时,指已知储层案例和待评价储层案例都是包含及相交关系,取0时,指已知储层案例是包含及相交关系,而待评价储层案例为相离关系;指已知储层案例k基础参数空间拓扑关系特征中相离关系项中的第j1项与待评价储层案例对应顺序的第j1项的比值,取值为1或0,取1时,指已知储层案例和待评价储层案例都是相离关系,取0时,指已知储层案例是相离关系,而待评价案例为包含及相交关系;ww指储层案例k基础参数空间拓扑关系特征中包含及相交关系项的总权重,wd指储层案例对应空间拓扑关系特征中相离关系项的总权重;为已知储层案例和待评价储层案例之间针对k基础参数空间拓扑关系特征的相似度;
式中,k指某一基础参数,m为基础参数的总项数;为已知储层案例和待评价储层案例之间k基础参数空间拓扑关系特征的相似度,为对应基础参数空间拓扑关系特征的权重,st为已知储层案例和待评价储层案例之间空间拓扑关系特征的综合相似度;
根据公式(6)进行综合的空间相似性推理:
式中,i2指空间度量、拓扑关系项;为已知储层案例和待评价储层案例之间某一空间关系特征的综合相似度,为对应空间关系特征的权重,ss为已知储层案例和待评价储层案例之间空间关系特征的最终相似度。
根据公式(7)进行属性相似性与空间相似性联合推理:
式中,j2指属性或空间关系项;为已知储层案例和待评价储层案例之间属性特征或空间关系特征的相似度,为对应的属性特征或空间关系特征的权重,s为已知储层案例和待评价储层案例之间的最终相似度。
扩展属性相似性与空间相似性联合推理的方法如下:
首先,分别进行属性相似性推理和空间相似性推理;
然后,比较属性相似性推理和空间相似性推理返回的最优结果对应的储层分类值是否一致,若是,则返回二者之一的推理结果,若否,则对该待评价储层案例进行属性相似性与空间相似性联合推理,并直接返回结果;
先属性相似性后空间相似性推理的方法如下:
首先,进行属性相似性推理,根据结果按相似度值降序排列构成推理结果集;
然后,对推理结果集再次进行空间相似性推理,在进行空间相似性推理时,已知储层案例的选取从推理结果集中根据相似度值由大到小选取,直到已知储层案例的个数达到预设的阈值;
先空间相似性后属性相似性推理的方法如下:
首先,进行空间相似性推理,根据结果按相似度值降序排列构成推理结果集;
然后,对推理结果集再次进行属性相似性推理,在进行属性相似性推理时,已知储层案例的选取从推理结果集中根据相似度值由大到小选取,直到已知储层案例的个数达到预设的阈值。
所述公式(1)、(3)、(5)、(6)、(7)涉及的权重通过层次分析法确定,公式(2)涉及的权重由等比数列确定,公式(4)涉及的权重为已知。
与现有技术方法相比,本发明具有以下有益效果:
(1)本发明在进行油气储层综合评价时,仅在确定单个油气钻井的储层类别和储层空间案例推理时确定储层案例属性特征权重时需要领域专家或领域知识,除此之外,整个评价过程都可由非领域人员完成,基本上实现了领域工作的非专家化。
(2)本发明仅需要储层评价基础参数数据即可实现油气储层综合评价,无需由领域专家完成的沉积相分布图、有效厚度等值线图等,从而对评价参数的要求更为简单。
(3)本发明基本无需野外工作,显著降低了油气储层综合评价的工作成本。
(4)本发明无需高深的数学知识,原理简单,工作周期短,使油气储层综合评价工作变得简单、高效。
(5)本发明充分考虑了评价参数之间或内部的空间关系,并进行空间相似性与属性相似性联合推理,相比仅采用属性特征值的技术方法,明显提高了储层综合评价结果的精度。
附图说明
图1为本发明的流程示意图。
图2为本发明储层案例构建时空间特征提取的示意如图。
图3为本发明储层案例空间相似性与属性相似性联合推理执行的示意图。
图4为本发明--实施例中用于验证的47口天然气井的分布图。
图5为本发明--实施例中扩展属性相似性与空间相似性联合推理实现的天然气储层综合评价分类图。
图6为本发明--实施例中先属性相似性后空间相似性推理实现的天然气储层综合评价分类图。
图7为本发明--实施例中BP人工神经网络实现的天然气储层综合评价分类图。
图8为本发明--实施例中石油地质领域专家采用传统储层综合评价方法实现的天然气储层综合评价分类图。
具体实施方式
下面结合附图和实施例对本发明的技术方案进行清楚、完整的描述,本发明的实施方式包括但不限于下列实施例。
实施例
本发明针对石油、天然气地质勘探领域,确切地说是针对沉积岩区碎屑岩储层,目的在于提供一种简单、快速、高效、低成本、非专家化的查明油气资源分布规律的面向油气储层综合评价的空间案例推理方法。其基本思想是,根据相似的问题具有相似的解这一基本前提,对一个未知储层类别的待评价储层案例Cu,从已知储层案例库中搜索与其空间特征与属性特征相似度值最高的已知储层案例Ch,然后将该储层案例的储层类别赋予Cu,从而使Cu获得储层类别。重复这一过程,使储层待评价区域对应的所有待评价储层案例获得储层类别,进而即可实现储层综合评价制图。
按照上述思想,如图1所示,本发明的详细步骤和实现过程如下:
(1)油气储层综合评价基础参数数据的处理。
针对油气储层待评价区域的具体地层层位,对收集的油气钻井数据分别统计每一口钻井对应的砂体厚度、地层厚度、砂地比、孔隙度、渗透率、储层埋深基础参数数据,并通过油气地质领域专家或领域知识确定每一钻井的储层类别。然后在GIS(GeographicInformation Systems,地理信息系统)软件(如ArcGIS,MapInfo,SuperMap,MapGIS,QGIS等,本实施例始终使用ArcGIS)中将所有钻井转换为矢量点图层数据;然后,在GIS软件中采用通用克里金(或普通克里金等)空间插值方法,分别对上述6个基础参数数据(砂体厚度、地层厚度、砂地比、孔隙度、渗透率、储层埋深)进行空间插值生成6个对应的面状分布图,随后分别导出每个基础参数的栅格分布图、线状等值线图,面状等值线图。其中,克里金空间插值方法为现有技术,在此不作赘述。
(2)储层案例表达对象的构建。
在GIS软件中对油气储层待评价区域进行规则格网划分,并生成一个矢量格网图层,图层中每一要素为一个规则矩形格网单元,该单元即为储层案例表达对象。格网大小划分的依据是,针对某一基础参数,在此格网内的每一处,其基础参数数据值在一定误差范围内相等,根据石油地质领域常识,划分可介于:50m×50m–100m×100m之间。而且,格网大小的划分,使得一般一个格网中仅包含一个钻井点。
(3)空间特征与属性特征一体化储层案例的构建。
在GIS软件中,以步骤(2)中的矢量格网图层为目标图层,对每一格网,分别从砂体厚度、地层厚度、砂地比、孔隙度、渗透率、储层埋深栅格分布图中提取格网中心点对应的砂体厚度、地层厚度、砂地比、孔隙度、渗透率、储层埋深数值,作为对应格网单元的值,并存储在矢量格网图层的属性表中,如此,每一格网单元即获得了各基础参数的属性特征值。
然后,对每一格网单元,分别提取格网中心点到砂体厚度、地层厚度、砂地比、孔隙度、渗透率、储层埋深线状等值线图中各等值线的最短距离,并经Excel等软件处理后存储在矢量格网图层的属性表中,作为格网单元空间特征值中的度量关系特征值。同样,对每一格网单元,分别提取格网中心点与砂体厚度、地层厚度、砂地比、孔隙度、渗透率、储层埋深面状等值线图中各面状等值线的拓扑关系(主要指:相离、相交与包含),并经Excel等软件处理后存储在矢量格网图层的属性表中,作为格网单元空间特征值中的拓扑关系特征值。方位关系特征值由于对储层评价没有效益而略去,提取示意如图2。
接着,将步骤(1)中构建的拥有储层类别的钻井点图层与格网图层叠加。最终格网图层中每一格网单元都获得了属性特征、空间特征和储层类别(通常钻井井数只有几百个,而格网单元数则在几十万至几百万个之间,故而仅部分格网单元获得储层类别,很多格网单元未获得储层类别)。如此,每一格网单元即对应一个储层案例,表示如下:
储层案例=(属性特征;空间度量关系特征;空间拓扑关系特征;储层类别)
具体可表示为:
式中,ai是某一基础参数的属性特征值;k为基础参数的个数;Li1:di1,Li2:di2,…,Lin:din是某一基础参数对应的空间度量关系特征值;Lij:dij是其中的一个特征项,Lij代表某一线状等值线,dij代表该等值线与格网中心点的最短距离;n为对应线状等值线图中等值线的个数,不同基础参数对应的线状等值线图中等值线的个数可能不同;m为全体储层评价基础参数对应线状等值线图或面状等值线图的个数;Pi1:D,Pi2:W,…,Piq:D是某一基础参数对应的空间拓扑关系特征值,Pij:D或Pij:W是其中的一个特征项;Pij代表某一面状等值线;D表示格网中心点与面状等值线相离;W表示格网中心点与面状等值线相交或被包含;q为对应面状等值线图中面状等值线的个数,不同基础参数对应的面状等值线图中面状等值线的个数可能不同;RC是储层类别,对于待评价储层案例其值为空。空间关系:是地理信息学研究的对象,它是事物或现象间普遍存在的关联关系,通常包括:空间度量关系、空间方位关系和空间拓扑关系,关联性依次降低。
一个具体已知储层案例如下:
Ci=(36.34122086|73.77635956|0.40347755|7.22913933|0.37347344|2985.78344727|20:3188.91;25:2529.67;30:1178.24;35:4166.29;40:15287.34;15:4559.05;45:37888.5;|60:7591.13;65:3360;70:2056.34;55:21814.43;|0.0:22890.01;0.1:8201.07;0.2:1473.75;0.3:8592.13;0.5:24921.42;0.4:4987.62;0.6:27676.12;0.7:37922.34;|5:32920.08;6:4208.9;7:847.7;8:6927.43;-2:34918.63;0:34697.65;2:34476.67;3:33792.48;4:33439.21;9:32543.38;|0.2:9069.41;0.3:1554.21;0.4:728.66;0.5:2344.85;0.6:6360.51;0.1:34310.1;0.7:11168.22;0.8:32847.53;0.9:41075.29;|2900:15805.49;2700:82131.96;2800:29315.44;3000:1308.19;3100:13848.74;|10-15:d;15-20:d;20-25:d;25-30:d;30-35:w;35-40:d;40-45:d;45-50:d;|50-55:d;55-60:d;60-65:d;65-70:d;70-75:w;|0.0-0.1:d;0.1-0.2:d;0.2-0.3:d;0.3-0.4:d;0.4-0.5:w;0.5-0.6:d;0.6-0.7:d;0.7-0.8:d;|-2-0:d;0-2:d;2-3:d;3-4:d;4-5:d;5-6:d;6-7:w;7-8:d;8-9:d;9-11:d;|0.0-0.1:d;0.1-0.2:d;0.2-0.3:d;0.3-0.4:w;0.4-0.5:d;0.5-0.6:d;0.6-0.7:d;0.7-0.8:d;0.8-0.9:d;0.9-1.0:d;|2600-2700:d;2700-2800:d;2800-2900:d;2900-3000:w;3000-3100:d;3100-3200:d;|II)
其中,各项以符号“|”分割。前6项分别是砂体厚度、地层厚度、砂地比、孔隙度、渗透率、储层埋深基础参数对应的属性特征项的值,第7项至第12项分别是这6个基础参数对应的空间度量关系特征项,第13项至第18项分别是这6个基础参数对应的空间拓扑关系特征项,第19项是储层类别,对于待评价储层案例,此项为空。
(4)储层案例库与储层待评价案例集的构建。
在GIS软件中,导出矢量格网图层属性表中拥有储层类别的格网单元信息,并保存在DBF格式文件中,作为已知储层案例库文件。导出矢量格网图层属性表中所有格网单元信息,并保存在DBF格式文件中,作为待评价储层案例(未知储层案例)文件,其中绝大多数案例是未拥有储层类别的。
(5)储层案例空间相似性与属性相似性联合推理的执行。
以步骤(4)中的储层案例库为基准,根据6种推理模式依据公式(1)–(7)对待评价储层案例文件中的每一待评价储层案例依据空间相似性和/或属性相似性从储层案例库中寻找相似度值最高的储层案例,将其储层类别赋予待评价储层案例。对所有待评价储层案例执行这一过程,从而使每一待评价储层案例获得储层类别。推理示意图如图3。应当说明的是,所有相似度值都介于0–1之间。
在推理执行前,还需对储层案例的空间特征与属性特征设置权重。权重的设置可以采用层次分析法或其它方法。其中,层次分析法:是一种定性与定量相结合的方法,它针对一组影响目标决策的因素或方案,将每一因素相对目标的重要性转换为该因素在所有因素中相对目标所占的百分比。层次分析法在各种领域应用非常广泛,原理简单,便于使用。
具体的权重设置方法如下:
①属性相似性推理时,案例属性特征权重的确立采用层次分析法。储层评价基础参数的重要性排序通过领域知识确定。
②空间度量关系相似性推理时,储层案例中某一基础参数空间度量关系特征中第i个子项的权重采用如下方式确立。
以砂体厚度为例,储层案例所在的格网中心点砂体厚度属性特征数据值与砂体厚度线状等值线数值最接近的等值线所对应的空间度量关系特征子项所对应的度量值(对应格网中心点到对应砂体厚度等值线的最短距离)独自赋予很高的权重,可设值>=50%。其它与砂体厚度等值线数值非最接近的等值线所对应的子项中的度量值,对空间度量关系特征子项按等值线数值由小到大排序后,以最接近的子项(度量值最小)为中心,由近及远对称地分别获取“指定的大值”到“指定的小值”之间的权重值,具体视子项的个数通过等比数列动态计算赋予,这些度量值项获得的权重总和可能>=50%。比如:度量值最小的项独自赋予0.5的权重,其它非最小值项由近及远在0.2–0.01之间取值。由等比数列公式:an=a1qn-1,得0.2=0.01qn-1,可求出任意n值时的q,然后,据此公式可求出这些非最小值项的权重w1,w2,…,wn,此即为非最小值项最终参与度量关系相似性测度时的权值;另外,非最小值项的权重也可通过等差数列动态计算赋予,可视实验结果选择其一。
如此设置权重,从语义上确保了当已知储层案例和待评价储层案例针对砂体厚度等某一基础参数空间度量关系特征很相似时,其储层案例储层类别很可能具有很高的相似性,反之则不然,意在体现语义空间度量关系的相似性。
而总的空间度量关系相似性推理时,不同基础参数空间度量关系特征的权重采用层次分析法确立,也可根据经验设置,一般可设置均等的权重。
③空间拓扑关系相似性推理时,储层案例中砂体厚度等某一基础参数空间拓扑关系特征中包含及相交关系项的总权重,以及储层案例中砂体厚度等某一基础参数空间拓扑关系特征中相离关系项的总权重可根据经验设置,如前者通常>=60%,后者通常<=40%。
如此设置权重,意在表明,当已知储层案例和待评价储层案例针对砂体厚度等某一基础参数空间拓扑关系特征中有一致的包含及相交关系项时,其储层案例储层类别可能具有一定的相似性,权重值可以设置较大(所有包含及相交关系项的权重均等);当已知储层案例和待评价储层案例针对砂体厚度等某一基础参数空间拓扑关系特征中有一致的相离关系项时,其储层案例储层类别可能具有相似性,但相似性不高,权重值可以设置较小(所有相离关系项的权重均等),反之则不然,此意在体现语义空间拓扑关系的相似性。
而总的空间拓扑关系相似性推理时,不同基础参数空间拓扑关系特征的权重采用层次分析法确立,也可根据经验设置,一般可设置均等的权重。
④空间关系综合相似性推理时,空间度量、方位、拓扑关系项的权重采用层次分析法确立,一般重要性排序为:度量>方位>拓扑。
⑤属性相似性与空间相似性联合推理时,属性特征、空间关系特征项的权重采用层次分析法确立,也可根据经验设置,属性项权重可设置:50-70%,空间关系项权重可设置:30-50%。
需要说明的是,本实施例中储层空间案例推理模型采用C#程序设计语言编程实现。也可采用C/C++、Java、Python等任一程序设计语言编程实现,或在Matlab环境中编程实现,从而进行储层空间案例推理。
(6)储层综合评价分类图的生成。
在GIS软件中,将步骤(5)中推理获得储层类别的所有储层案例(以DBF格式文件的方式)依照对应关系关联到步骤(2)中创建的矢量格网图层中,然后对每一格网单元按储层类别分别着色,不同类别设置不同颜色,最终即得到待评价区域储层综合评价分类图。
试验选取鄂尔多斯盆地苏里格气田东区,面积4873km2。已知储层案例库中包含321个案例(对应321口天然气井),整个待评价区域对应的待评价储层案例为761425个,格网单元大小为:80m×80m。从油田随机获取了47口天然气井(不在321口之列)用于验证,其分布情况见图4。采用储层空间案例推理模式中的扩展属性相似性与空间相似性联合推理,以及先属性相似性后空间相似性推理(空间相似性推理阈值设置为5)对47口天然气井进行验证。同时,为便于对比,采用广泛使用的BP(Back-Propagation,后向反馈)人工神经网络以同样的321个为已知训练数据,对47口天然气井对应的验证数据进行验证。另外,也对由领域专家采用传统储层综合评价方法做出的分类图对47口天然气井进行了验证。结果见表1。表1储层空间案例推理、BP人工神经网络、传统储层综合评价三种方法精度与可分类性对比
表1中BP人工神经网络为三层网络结构,其中隐含层为1层,其神经元个数为5,设置动量为0.6,训练停止迭代次数为50000次,表1中结果为连续进行20次训练与验证,结果最好的一次。
就整体验证正确率而言,扩展属性相似性与空间相似性联合推理正确率相对最高,BP人工神经网络次之,其次为先属性相似性后空间相似性推理,最后为传统储层综合评价。对比之下,储层空间案例推理针对储层综合评价是比较有效的。就可分类性而言,针对储层重要的Ⅰ、Ⅱ两类,储层空间案例推理的两种推理模式验证结果的可分类性整体略高于传统储层综合评价,明显高于BP人工神经网络。初步表明,相比传统储层综合评价,储层空间案例推理的这两种推理模式针对储层评价是有优势的(前者须由领域专家完成,后者基本无需领域知识);相比BP人工神经网络,储层空间案例推理的这两种推理模式针对储层评价更具优势。
图5、图6分别是扩展属性相似性与空间相似性联合推理与先属性相似性后空间相似性推理实现的针对苏里格气田东区的天然气储层综合评价图,图7是BP人工神经网络实现的天然气储层综合评价图,图8是领域专家采用传统储层综合评价方法完成的天然气储层综合评价图。相比传统储层综合评价方法,BP人工神经网络实现的分类图可分类性较差,而储层空间案例推理在保证了良好分类性的同时,又避免了传统储层综合评价方法过度理想的边界,更接近自然情况。
按照上述方法,便可以很好地实现本发明。
显然,除了碎屑岩油气储层综合评价,技术人员可以对本发明针对碳酸盐岩油气储层综合评价、固体矿产资源潜力评价、地质灾害滑坡危险性评价等进行各种改动和变型而不脱离本发明的精神和范围。如此,倘若对本发明的这些修改和变型属于本发明权利要求及其等同技术的范围,则本发明也包含这些改动和变型。
Claims (6)
1.面向油气储层综合评价的空间案例推理方法,其特征在于,包括以下步骤:
(1)针对油气储层待评价区域的具体地层层位,将待评区域内所有油气钻井生成一个矢量钻进点图层,并确定每个钻井的储层类别;对每个钻井的基础参数数据分别进行空间插值生成各参数数据的面状分布图,并导出每个参数数据面状分布图所对应的栅格分布图、线状等值线图、面状等值线图;
其中,基础参数包括:砂体厚度、地层厚度、砂地比、孔隙度、渗透率、储层埋深;
(2)储层案例表达对象的构建:
对油气储层待评区域进行规则格网划分,并生成一个矢量格网图层,矢量格网图层中每一要素为一个规则矩形格网单元,所述格网单元即为储层案例表达对象;其中,格网大小以每一基础参数属性特征值在格网内在一定误差范围内相等为依据;
(3)空间特征与属性特征一体化储层案例的构建:
(31)以步骤(2)中构建的矢量格网图层为目标图层,提取每一格网单元对应的各基础参数的属性特征值,该属性特征值由步骤(1)中的各栅格分布图提供;
(32)提取每一格网单元对应的各基础参数的空间特征值,该空间特征值由步骤(2)中矢量格网图层与步骤(1)中的各基础参数数据的线状等值线图和面状等值线图经空间度量、空间拓扑分析、空间连接处理得到;
(33)将步骤(1)构建的拥有储层类别的矢量钻井点图层与步骤(2)中矢量格网图层叠加,使得所述格网图层中部分格网单元获得了储层类别;每一格网单元即对应一个储层案例,表示为:储层案例=(属性特征;空间特征;储层类别);
(4)储层案例库与储层待评价案例集的构建:
导出矢量格网图层中拥有储层类别的格网单元信息并保存,构成储层案例库;导出矢量格网图层中的所有格网单元信息并保存,构成储层待评价案例集;
(5)以步骤(4)中构建的储层案例库为基准,为储层案例的空间特征与属性特征设置权重,对待评价案例集中的每一待评价储层案例依据空间相似性和/或属性相似性从储层案例库中寻找相似度值最高的已知储层案例,将已知储层案例的储层类别赋予待评价案例;对储层待评价案例集中的每一案例执行这一过程,从而使每一待评价案例获得储层类别;
(6)将待评价案例集中所有根据步骤(5)获得储层类别的待评价储层案例关联到步骤(2)中创建的矢量格网图层中,然后对每一格网单元按储层类别分别着色,不同类别设置不同颜色,即得到待评价区域油气储层综合评价分类图;
所述步骤(5)中包括以下推理方式:
a.根据属性相似性推理确定与待评价储层案例对应的已知储层案例;
b.根据空间相似性推理确定与待评价储层案例对应的已知储层案例;
c.根据属性相似性与空间相似性联合推理确定与待评价储层案例对应的已知储层案例;
d.根据扩展属性相似性与空间相似性联合推理确定与待评价储层案例对应的已知储层案例;
e.根据先属性相似性后空间相似性推理确定与待评价储层案例对应的已知储层案例;
f.根据先空间相似性后属性相似性推理确定与待评价储层案例对应的已知储层案例;
根据公式(1)进行属性相似性推理:
如果则
式中,i指某一基础参数对应的属性特征项,m为基础参数总项数,指已知储层案例第i个基础参数属性特征值,指待评价储层案例第i个属性特征值,wi指第i个基础参数属性特征项的权重,sa为已知储层案例与待评价储层案例之间的属性相似度;
空间相似性推理方法如下:
根据公式(2)和(3)进行空间度量关系特征相似性推理:
如果则
式中,k指某一基础参数,j指k基础参数空间度量关系特征中的一项,n为总项数;指已知储层案例k基础参数空间度量关系特征中第j个项的值,指待评价储层案例对应的第j个项的值,是指已知储层案例k基础参数空间度量关系特征中第j个项的权重与待评价储层案例对应的第j个项的权重中较小的一个;的取值依据是,比较已知储层案例k基础参数空间度量关系特征中所有n个项的权重之和与待评价储层案例对应的n个项的权重之和,如果前者大,则全部取否则全部取 为已知储层案例和待评价储层案例之间针对k基础参数空间度量关系特征的相似度;
<mrow>
<msub>
<mi>s</mi>
<mi>d</mi>
</msub>
<mo>=</mo>
<mfrac>
<mrow>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>k</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>m</mi>
</munderover>
<msup>
<msub>
<mi>s</mi>
<mi>k</mi>
</msub>
<mi>d</mi>
</msup>
<msup>
<msub>
<mi>w</mi>
<mi>k</mi>
</msub>
<mi>d</mi>
</msup>
</mrow>
<mrow>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>k</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>m</mi>
</munderover>
<msup>
<msub>
<mi>w</mi>
<mi>k</mi>
</msub>
<mi>d</mi>
</msup>
</mrow>
</mfrac>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>3</mn>
<mo>)</mo>
</mrow>
</mrow>
式中,k指某一基础参数,m为基础参数的总项数;为已知储层案例和待评价储层案例之间k基础参数空间度量关系特征的相似度,为对应基础参数空间度量关系特征的权重,sd为已知储层案例和待评价储层案例之间空间度量关系特征的综合相似度;
根据公式(4)和(5)进行空间拓扑关系特征相似性推理:
<mrow>
<msup>
<msub>
<mi>s</mi>
<mi>k</mi>
</msub>
<mi>t</mi>
</msup>
<mo>=</mo>
<mfrac>
<mrow>
<munderover>
<mi>&Sigma;</mi>
<mrow>
<msub>
<mi>i</mi>
<mn>1</mn>
</msub>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>p</mi>
</munderover>
<msup>
<msub>
<mi>t</mi>
<msub>
<mi>i</mi>
<mn>1</mn>
</msub>
</msub>
<mi>w</mi>
</msup>
<mfrac>
<msub>
<mi>w</mi>
<mi>w</mi>
</msub>
<mi>p</mi>
</mfrac>
<mo>+</mo>
<munderover>
<mi>&Sigma;</mi>
<mrow>
<msub>
<mi>j</mi>
<mn>1</mn>
</msub>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>q</mi>
</munderover>
<msup>
<msub>
<mi>t</mi>
<msub>
<mi>j</mi>
<mn>1</mn>
</msub>
</msub>
<mi>d</mi>
</msup>
<mfrac>
<msub>
<mi>w</mi>
<mi>d</mi>
</msub>
<mi>q</mi>
</mfrac>
</mrow>
<mrow>
<msub>
<mi>w</mi>
<mi>w</mi>
</msub>
<mo>+</mo>
<msub>
<mi>w</mi>
<mi>d</mi>
</msub>
</mrow>
</mfrac>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>4</mn>
<mo>)</mo>
</mrow>
</mrow>
式中,k指某一基础参数,i1、j1指k基础参数空间拓扑关系特征中的一项,p为相对已知储层案例或待评价储层案例而言包含及相交关系总项数,q为相离关系总项数;指已知储层案例k基础参数空间拓扑关系特征中包含及相交关系项中的第i1项与待评价储层案例对应顺序的第i1项的比值,取值为1或0,取1时,指已知储层案例和待评价储层案例都是包含及相交关系,取0时,指已知储层案例是包含及相交关系,而待评价储层案例为相离关系;指已知储层案例k基础参数空间拓扑关系特征中相离关系项中的第j1项与待评价储层案例对应顺序的第j1项的比值,取值为1或0,取1时,指已知储层案例和待评价储层案例都是相离关系,取0时,指已知储层案例是相离关系,而待评价案例为包含及相交关系;ww指储层案例k基础参数空间拓扑关系特征中包含及相交关系项的总权重,wd指储层案例对应空间拓扑关系特征中相离关系项的总权重;sk t为已知储层案例和待评价储层案例之间针对k基础参数空间拓扑关系特征的相似度;
<mrow>
<msub>
<mi>s</mi>
<mi>t</mi>
</msub>
<mo>=</mo>
<mfrac>
<mrow>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>k</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>m</mi>
</munderover>
<msup>
<msub>
<mi>s</mi>
<mi>k</mi>
</msub>
<mi>t</mi>
</msup>
<msup>
<msub>
<mi>w</mi>
<mi>k</mi>
</msub>
<mi>t</mi>
</msup>
</mrow>
<mrow>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>k</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>m</mi>
</munderover>
<msup>
<msub>
<mi>w</mi>
<mi>k</mi>
</msub>
<mi>t</mi>
</msup>
</mrow>
</mfrac>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>5</mn>
<mo>)</mo>
</mrow>
</mrow>
式中,k指某一基础参数,m为基础参数的总项数;sk t为已知储层案例和待评价储层案例之间k基础参数空间拓扑关系特征的相似度,wk t为对应基础参数空间拓扑关系特征的权重,st为已知储层案例和待评价储层案例之间空间拓扑关系特征的综合相似度;
根据公式(6)进行综合的空间相似性推理:
<mrow>
<msub>
<mi>s</mi>
<mi>s</mi>
</msub>
<mo>=</mo>
<mfrac>
<mrow>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<msub>
<mi>i</mi>
<mn>2</mn>
</msub>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mn>2</mn>
</munderover>
<msup>
<msub>
<mi>s</mi>
<msub>
<mi>i</mi>
<mn>2</mn>
</msub>
</msub>
<mi>s</mi>
</msup>
<msup>
<msub>
<mi>w</mi>
<msub>
<mi>i</mi>
<mn>2</mn>
</msub>
</msub>
<mi>s</mi>
</msup>
</mrow>
<mrow>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<msub>
<mi>i</mi>
<mn>2</mn>
</msub>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mn>2</mn>
</munderover>
<msup>
<msub>
<mi>w</mi>
<msub>
<mi>i</mi>
<mn>2</mn>
</msub>
</msub>
<mi>s</mi>
</msup>
</mrow>
</mfrac>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>6</mn>
<mo>)</mo>
</mrow>
</mrow>
式中,i2指空间度量、拓扑关系项;为已知储层案例和待评价储层案例之间某一空间关系特征的综合相似度,为对应空间关系特征的权重,ss为已知储层案例和待评价储层案例之间空间关系特征的最终相似度。
2.根据权利要求1所述的面向油气储层综合评价的空间案例推理方法,其特征在于,所述步骤(31)的具体方式如下:以步骤(2)中构建的矢量格网图层为目标图层,对每一格网单元,分别从砂体厚度、地层厚度、砂地比、孔隙度、渗透率、储层埋深的栅格分布图中提取格网单元中心点对应的砂体厚度、地层厚度、砂地比、孔隙度、渗透率、储层埋深数值,作为对应格网单元的值,并将该值导入矢量格网图层中。
3.根据权利要求2所述的面向油气储层综合评价的空间案例推理方法,其特征在于,所述步骤(32)的空间特征包括空间度量关系特征和空间拓扑关系特征,获得方式如下:
空间度量关系特征
以步骤(2)中矢量格网图层为目标图层,对每一格网单元,分别提取格网单元中心点到砂体厚度、地层厚度、砂地比、孔隙度、渗透率、储层埋深的线状等值线图中各等值线的最短距离,并导入矢量格网图层中,作为格网单元的空间度量关系特征;
空间拓扑关系特征
以步骤(2)中矢量格网图层为目标图层,对每一格网单元,分别提取格网单元中心点与砂体厚度、地层厚度、砂地比、孔隙度、渗透率、储层埋深的面状等值线图中各面状等值线的拓扑关系,并导入矢量格网图层中,作为格网单元的空间拓扑关系特征。
4.根据权利要求3所述的面向油气储层综合评价的空间案例推理方法,其特征在于,根据公式(7)进行属性相似性与空间相似性联合推理:
<mrow>
<mi>s</mi>
<mo>=</mo>
<mfrac>
<mrow>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<msub>
<mi>j</mi>
<mn>2</mn>
</msub>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mn>2</mn>
</munderover>
<msub>
<mi>s</mi>
<msub>
<mi>j</mi>
<mn>2</mn>
</msub>
</msub>
<msub>
<mi>w</mi>
<msub>
<mi>j</mi>
<mn>2</mn>
</msub>
</msub>
</mrow>
<mrow>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<msub>
<mi>j</mi>
<mn>2</mn>
</msub>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mn>2</mn>
</munderover>
<msub>
<mi>w</mi>
<msub>
<mi>j</mi>
<mn>2</mn>
</msub>
</msub>
</mrow>
</mfrac>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>7</mn>
<mo>)</mo>
</mrow>
</mrow>
式中,j2指属性或空间关系项;为已知储层案例和待评价储层案例之间属性特征或空间关系特征的相似度,为对应的属性特征或空间关系特征的权重,s为已知储层案例和待评价储层案例之间的最终相似度。
5.根据权利要求4所述的面向油气储层综合评价的空间案例推理方法,其特征在于,扩展属性相似性与空间相似性联合推理的方法如下:
首先,分别进行属性相似性推理和空间相似性推理;
然后,比较属性相似性推理和空间相似性推理返回的最优结果对应的储层分类值是否一致,若是,则返回二者之一的推理结果,若否,则对该待评价储层案例进行属性相似性与空间相似性联合推理,并直接返回结果;
先属性相似性后空间相似性推理的方法如下:
首先,进行属性相似性推理,根据结果按相似度值降序排列构成推理结果集;
然后,对推理结果集再次进行空间相似性推理,在进行空间相似性推理时,已知储层案例的选取从推理结果集中根据相似度值由大到小选取,直到已知储层案例的个数达到预设的阈值;
先空间相似性后属性相似性推理的方法如下:
首先,进行空间相似性推理,根据结果按相似度值降序排列构成推理结果集;
然后,对推理结果集再次进行属性相似性推理,在进行属性相似性推理时,已知储层案例的选取从推理结果集中根据相似度值由大到小选取,直到已知储层案例的个数达到预设的阈值。
6.根据权利要求5所述的面向油气储层综合评价的空间案例推理方法,其特征在于,所述公式(1)、(3)、(5)、(6)、(7)涉及的权重通过层次分析法确定,公式(2)涉及的权重由等比数列确定,公式(4)涉及的权重为已知。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510098626.5A CN104598766B (zh) | 2015-03-05 | 2015-03-05 | 面向油气储层综合评价的空间案例推理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510098626.5A CN104598766B (zh) | 2015-03-05 | 2015-03-05 | 面向油气储层综合评价的空间案例推理方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104598766A CN104598766A (zh) | 2015-05-06 |
CN104598766B true CN104598766B (zh) | 2017-11-24 |
Family
ID=53124545
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510098626.5A Expired - Fee Related CN104598766B (zh) | 2015-03-05 | 2015-03-05 | 面向油气储层综合评价的空间案例推理方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104598766B (zh) |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106295848A (zh) * | 2015-06-26 | 2017-01-04 | 中国石油化工股份有限公司 | 一种确定地质风险空间分布的方法及系统 |
CN105528523B (zh) * | 2015-12-18 | 2018-09-21 | 中国科学院遥感与数字地球研究所 | 一种基于遥感数据的土壤厚度反演方法 |
CN105844082B (zh) * | 2016-03-11 | 2018-11-02 | 西安石油大学 | 一种沉积相图中主导相的判断方法及系统 |
CN108573206A (zh) * | 2017-10-11 | 2018-09-25 | 成都理工大学 | 基于层次分析法的成矿预测方法 |
CN109063036A (zh) * | 2018-07-16 | 2018-12-21 | 中国电建集团贵阳勘测设计研究院有限公司 | 利用excel快速制作理正勘察标准接口数据文件的方法 |
CN110363299B (zh) * | 2019-07-16 | 2023-04-07 | 成都理工大学 | 面向露头岩层分层的空间案例推理方法 |
CN111080080B (zh) * | 2019-11-25 | 2023-05-26 | 桂林理工大学南宁分校 | 一种村镇地质灾害风险预估方法及系统 |
CN112767544B (zh) * | 2021-01-06 | 2022-04-01 | 成都理工大学 | 面向区域滑坡危险性评价的空间案例推理方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1598534A (zh) * | 2004-07-28 | 2005-03-23 | 东北大学 | 基于案例推理的磨矿系统溢流粒度指标软测量方法 |
CN101174316A (zh) * | 2006-11-02 | 2008-05-07 | 中国移动通信集团公司 | 一种基于案例树进行案例推理的装置及方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8170800B2 (en) * | 2009-03-16 | 2012-05-01 | Verdande Technology As | Method and system for monitoring a drilling operation |
-
2015
- 2015-03-05 CN CN201510098626.5A patent/CN104598766B/zh not_active Expired - Fee Related
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1598534A (zh) * | 2004-07-28 | 2005-03-23 | 东北大学 | 基于案例推理的磨矿系统溢流粒度指标软测量方法 |
CN101174316A (zh) * | 2006-11-02 | 2008-05-07 | 中国移动通信集团公司 | 一种基于案例树进行案例推理的装置及方法 |
Non-Patent Citations (2)
Title |
---|
Case-Based Reasoning with GIS to Oil-gas Reservoir Comprehensive Mapping;Jianhua Chen et al;《Advanced Materials Research》;20141231;第1073-1076卷;第2010-2014页 * |
利用GIS的空间分析功能进行油气储层综合评价;施冬 等;《物探化探计算技术》;20040531;第26卷(第2期);第149-154页 * |
Also Published As
Publication number | Publication date |
---|---|
CN104598766A (zh) | 2015-05-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104598766B (zh) | 面向油气储层综合评价的空间案例推理方法 | |
CN109710701A (zh) | 一种用于公共安全领域大数据知识图谱的自动化构建方法 | |
CN101383748B (zh) | 一种复杂网络中的社区划分方法 | |
CN108170765B (zh) | 基于在校行为数据多维分析的贫困生资助推荐方法 | |
CN108038448A (zh) | 基于加权熵的半监督随机森林高光谱遥感影像分类方法 | |
CN103955558B (zh) | 一种采集并处理不同行业工勘数据的方法 | |
CN108304884A (zh) | 一种基于特征逆映射的代价敏感堆叠集成学习框架 | |
CN106372402A (zh) | 一种大数据环境下模糊区域卷积神经网络的并行化方法 | |
CN106529667A (zh) | 一种大数据环境下基于模糊深度学习的测井相识别与分析方法 | |
Nurkholis et al. | Spatial decision tree model for garlic land suitability evaluation | |
CN107273938A (zh) | 基于双通道卷积阶梯网的多源遥感影像地物分类方法 | |
CN104504709A (zh) | 一种基于特征球的室外场景三维点云数据的分类方法 | |
Li et al. | A new method of identification of complex lithologies and reservoirs: task-driven data mining | |
CN107038505A (zh) | 基于机器学习的找矿模型预测方法 | |
CN104181597A (zh) | 一种基于叠前地震数据的地震相分析方法 | |
CN109978050A (zh) | 基于svm-rf的决策规则提取及约简方法 | |
CN107330734A (zh) | 基于Co‑location模式和本体的商业地址选择方法 | |
Prathik et al. | Survey on spatial data mining, challenges and its applications | |
CN110837115A (zh) | 陆相混积岩致密储层岩性的地震识别方法及装置 | |
CN106226817A (zh) | 基于连续平行坐标的多属性地震数据可视化方法 | |
CN105160046A (zh) | 基于文本的数据检索方法 | |
Xu et al. | Building function classification in Nanjing, China, using deep learning | |
CN104008147B (zh) | 三维地质结构模型多体索引构建方法 | |
CN107679677A (zh) | 一种旱改水优先区选择方法 | |
CN116187812A (zh) | 基于地理知识的耕地资源可持续利用评价方法及系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20171124 Termination date: 20200305 |
|
CF01 | Termination of patent right due to non-payment of annual fee |