CN105095552A - 一种通用概率分布参数估计流程与分析方法 - Google Patents
一种通用概率分布参数估计流程与分析方法 Download PDFInfo
- Publication number
- CN105095552A CN105095552A CN201410220699.2A CN201410220699A CN105095552A CN 105095552 A CN105095552 A CN 105095552A CN 201410220699 A CN201410220699 A CN 201410220699A CN 105095552 A CN105095552 A CN 105095552A
- Authority
- CN
- China
- Prior art keywords
- probability distribution
- distribution model
- sample data
- probability
- grouping
- 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.)
- Granted
Links
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种通用概率分布参数估计流程与分析方法,应用于油气资源评价技术领域,包括以下步骤,基于油气区发现的油气藏的分布情况划分油气藏评价单元,统计评价单元中油气藏的样本数据并绘制二维直角坐标图;对二维直角坐标图中的样本数据分组,基于分组的样本数据通过人机交互方式调节初步确定分组的样本数据对应的概率分布模型;基于分组的样本数据检验对应的概率分布模型进而最终确定该概率分布模型。本发明采用人机交互调节方式确定油气藏的概率分布模型,并采用PROBIT图版和Q-Q图版检验技术为概率分布模型选择提供了一个客观直观的判断依据,从而为油气资源评价研究提供合理的分布模型和可靠的评价参数。
Description
技术领域
本发明涉及油气资源评价技术领域,具体地说,涉及一种利用概率分布模型评价油气资源分布的方法。
背景技术
在油气资源评价中,常采用概率模型对类似勘探实际问题进行求解。在很多情况下可以通过已知数据的分析,确定产生这些数据的概率模型,并把建立的概率模型应用到整个评价单元中。通过统计评价单元中的已知数据,假设产生试验数据的概率分布已知,但是概率模型的参数未知,需要用试验数据进行估计。在油气资源评价中,许多关键参数(比如评价单元的油气藏规模分布、圈闭的孔隙度及渗透率估计等)的分析都可以通过对已知统计数据分析来估计其概率分布。
在油气勘探中常用的包括对数正态分布、正态分布、帕莱托分布、地质帕莱托分布、三角分布、指数分布等。面对众多的概率分布模型,如何确定某一组统计数据是否符合某种概率分布以及其概率分布参数的确定十分关键。
目前,对概率分布模型选择及分布参数的估计主要采用两种方式:一是依靠地质家的专业经验来直接选择,二是通过与勘探程度较高的地区来进行对比确定。总的来说,这两种方法都存在一定的主观性和随意性,影响了油气资源评价结果的客观性和科学性。
基于上述情况,亟需一种规范的通用概率分布参数估计流程,为油气资源评价研究提供可靠的评价参数。
发明内容
为解决上述问题,本发明提供了一种规范的通用概率分布参数估计流程,从而为油气资源评价研究提供可靠的评价参数。
根据本发明的一个实施例,提供了一种通用概率分布参数估计流程与分析方法,包括以下步骤:
步骤一、基于油气区发现的油气藏的分布情况划分油气藏评价单元,统计评价单元中油气藏的样本数据并绘制二维直角坐标图;
步骤二、对二维直角坐标图中的样本数据分组,基于分组的样本数据通过人机交互方式调节初步确定分组的样本数据对应的概率分布模型;
步骤三、基于分组的样本数据检验对应的概率分布模型进而最终确定该概率分布模型。
根据本发明的一个实施例,所述样本数据包括样本序号和对应于该序号的数值。
根据本发明的一个实施例,在步骤二中,进一步包括:
从已知的概率分布模型中选择符合分组的样本数据概率分布特征的概率分布模型;
基于选择的概率分布模型和分组的样本数据,得到该概率分布模型对应的概率分布参数表,初步获得概率分布模型;
通过人机交互方式调节对应的概率分布模型的参数表进而初步确定该概率分布模型。
根据本发明的一个实施例,所述样本数据分组按照样本序号将具有单一概率分布特征的样本数据分为一组。
根据本发明的一个实施例,所述样本分组采用人机交互分组方式。
根据本发明的一个实施例,选择符合分组的样本数据概率分布特征的概率分布模型包括数据筛选过程,将分组的样本数据中明显偏离选择的概率分布模型的数据剔除。
根据本发明的一个实施例,所述人机交互方式调节对应的概率分布模型的参数表包括以下步骤:
基于分组的样本数据和初步获得的概率分布模型绘制概率曲线图版,该概率分布模型对应的概率分布百分位表;
对比分组的样本数据的百分位表和该概率分布模型对应的概率分布百分位表,判断相同的百分位数对应的数值是否符合指定的要求,如不符合,则调节该概率分布模型的形态参数和位置参数,直到两者相同的百分位数对应的数值符合指定的要求,如符合,则初步确定该概率分布模型。
根据本发明的一个实施例,所述概率曲线图版包括:一坐标轴为样本数据实际值,另一坐标轴为样本数据的概率值,直方图为样本数据的出现频率以及选择的概率分布模型的概率分布曲线。
根据本发明的一个实施例,在步骤三中,采用PROBIT图版检验分组的样本数据与初步确定的概率分布模型是否符合,当分组的样本数据符合初步确定的概率分布模型时,该概率分布模型的概率分布曲线与样本数据点的拟合效果好。
根据本发明的一个实施例,在步骤三中,采用Q-Q图版检验分组的样本数据与初步确定的概率分布模型是否符合,当分组的样本数据符合初步确定的概率分布模型时,该图版中分组的样本数据的分位数和初步确定的概率分布模型的分位数近似呈一条直线。
根据本发明的一个实施例,同时采用PROBIT图版和Q-Q图版来检验分组的样本数据是否符合初步确定的概率分布模型进而最终确定分组的样本数据对应的概率分布模型。
本发明带来了以下有益效果:
本发明针对油气藏概率分布模型的评价流程建立,采用人机交互调节方式确定油气藏的概率分布模型,并采用PROBIT图版和Q-Q图版检验技术为概率分布模型选择提供了一个客观直观的判断依据,从而为油气资源评价研究提供合理的分布模型和可靠的评价参数。
本发明的其它特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点可通过在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要的附图做简单的介绍:
图1是本发明的算法流程图;
图2是图1中步骤S002的算法流程图;
图3是图2中步骤S203的算法流程图;
图4是样本数据在二维直角坐标图中的直观显示图;
图5是基于人机交互的样本数据分组;
图6是概率曲线图版(地质帕莱托分布);
图7是PROBIT图版直观检验(地质帕莱托分布);
图8是Q-Q图的概率分布模型直观检验。
具体实施方式
以下将结合附图及实施例来详细说明本发明的实施方式,借此对本发明如何应用技术手段来解决技术问题,并达成技术效果的实现过程能充分理解并据以实施。需要说明的是,只要不构成冲突,本发明中的各个实施例以及各实施例中的各个特征可以相互结合,所形成的技术方案均在本发明的保护范围之内。
另外,在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行,并且,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。
本发明的算法流程如图1所示。
在步骤S001中,基于油气区发现的油气藏的分布情况划分油气藏评价单元,明确油气资源预测的范围,统计该评价单元内已发现的油气藏资源及储量数据。将统计的油气藏样本数据以散点方式直观的显示在二维直角坐标图中。在该图中,以X轴为样本序号,即样本的发现序号;Y轴为对应的样本的数值,即对应的样本的油气藏的规模。该二维直角坐标图包括对数坐标和线性坐标两种显示方式,可根据不同的需要选择。此处采用线性坐标。通过二维直角坐标图,可以直观的显示样本的发现序号和样本序号对应的油气藏规模的分布情况。
在步骤S002中,对二维直角坐标图中的样本数据分组,基于分组的样本数据通过人机交互方式调节并确定对应的概率分布模型。
通过在步骤S001中获得的二维直角坐标图,一方面可以初步判断样本数据可能适合的概率分布,另一方面也可以直观的发现异值,并选择是否剔除该异常值。针对样本数据在二维直角坐标图中的直观显示,按照样本序号顺序排列方式将具有单一概率分布特征的样本数据分为一组,分两种情况进行分析:
如果样本数据具有单一的概率分布特征,通过样本数据在二维直角坐标图中的散点分布图形确定样本数据的概率分布模型;
如果样本数据具有比较复杂的概率分布特征,而不是单一的概率分布时,可以通过人机交互分组的方式,采用计算机软件,通过对二维直角坐标图中样本数据显示的观察,将具有单一概率分布的样本数据分为一组。
如图2所示,在该步骤中对分组的样本数据进行处理获得对应概率分布模型的过程进一步包括如下步骤。
在步骤S201中,依据分组的样本数据从已知的概率分布模型中选择符合分组的样本数据概率分布特征的概率分布模型。选择分组的样本数据对应的概率分布模型时包括数据筛选过程,将分组的样本数据中明显偏离选择的概率分布模型的数据剔除。
在该步骤中,常用的概率分布模型包括地质帕莱托、对数正态分布、正态分布、帕莱托分布、三角分布、均一分布、偏移帕莱托分布韦伯分布、指数分布、极值分布、伽玛分布等。可从中选择符合分组的样本数据概率分布特征的概率分布模型,依据样本数据不同的概率分布特征得到不同的概率分布模型。
在步骤S202中,基于选择的已知的概率分布模型,通过分组样本数据得到概率分布参数表,从而初步获得该概率分布模型。
对应不同的概率分布模型,通过分组的样本数据得到不同的概率分布模型的概率分布参数表,该概率分布参数表中包括参数均值、参数峰值、参数中值、参数的百分位数等参数,通过该表可以初步获得概率分布模型。
在步骤S203中,如图3所示,进一步包括以下步骤。
在步骤S301中,基于分组的样本数据和初步获得的概率分布模型绘制概率曲线图版,得到该概率分布模型对应的概率分布百分位表。该百分位表包括该概率分布模型取值的累积百分比和对应累积百分比处的油气藏资源规模。
在概率曲线图版中,一坐标轴为样本数据的实际值,另一坐标轴为样本数据的概率值,直方图代表样本数据的出现频率,在该图版中还包括选择的概率分布模型的密度概率分布曲线。通过选择该概率分布模型的密度概率分布曲线上的指定的百分位数对应坐标轴上的样本数据值得到对应的油气藏规模,进而得到该概率分布模型的百分位表。
在步骤S302中,对比分组的样本数据的百分位表和初步获得的概率分布模型对应的概率分布百分位表,判断对应的相同的百分位数的数值是否符合,如不符合,则通过步骤S303采用人机交互调节的方式,采用计算机软件,调整初步获得的概率分布模型的形态参数和位置参数,直到两者对应的百分位数的数值符合。
在步骤S003中,检验分组的样本数据与初步确定的概率分布模型是否符合进而最终确定该概率分布模型,该处采用两种方法进行检验。
一种方法采用PROBIT图版进行直观检验。PPROBIT图是根据样本数据的累积比例与选择的概率分布模型的累积比例之间的关系所绘制的图形。通过PPROBIT图可以检验样本数据是否符合选择的概率分布模型。当样本数据符合选择的概率分布模型时,样本数据围绕在概率曲线周围分布,则该概率分布曲线与样本数据点的拟合效果较好。
另一种方法采用Q-Q图版进行直观检验。Q-Q图是一种交汇图(散点图),通过Q-Q图可以检验数据是否符合选择的概率分布模型。当样本数据符合选择的概率分布模型时,Q-Q图中样本数据和选择的概率分布模型的分位数近似呈一条直线。
以上两种检验方法既可以单独使用,也可以同时使用来检验样本数据是否符合选择的概率分布模型。
通过以上方法检验后,如果样本数据符合选择的概率分布模型,则对该概率分布模型进行保存,否则,则对样本数据按以上所述步骤重新进行分组分析。
以下通过一个具体的实施例,以某评价单元为例,采用本发明的方法进行评价单元中的油气藏规模分布参数的估计。
首先进行评价单元划分,根据该油气区的油气藏分布规模的勘探结果,对评价单元中已发现的油气藏进行了统计,截至到目前已发现油气藏为107个,各个油气藏发现的序号及对应各个油气藏的规模见表1。
针对已发现的油气藏,按照发现的时间序列和对应的油气藏规模显示在二维直角坐标图中,如图4所示。其中横坐标代表样本序号,纵坐标代表样本值大小,散点代表评价单元中的样本数据。该样本数据可以为油气藏规模、圈闭的孔隙度、渗透率等任意参数值,此处为油气藏的规模。
然后对样本数据进行分组,采用人机交互分组方式。采用计算机软件,将样本数据中符合单一概率分布特征的样本数据分为一组,如图5所示。横坐标代表样本序号,纵坐标代表样本值大小,散点代表评价单元中的统计样本,虚线为任意多边形,多边形内的样本数据为一组。
表1
根据多边形内分为一组的样本数据的分布特征,此处采用地质帕莱托概率分布模型。通过分组的样本数据得到该概率分布模型的概率分布参数表,各参赛如表2所示,从而初步获得该概率分布模型。
表2
最小值 | 最大值 | 位置参数 | 形态参数 |
15 | 2776 | 21.41 | 0.845 |
均值 | 众数 | 中值 | |
205.16 | 15 | 61.17 |
如图6所示为依据样本数据和初步获得的概率分布模型绘制的概率曲线图版,对应指定的概率分布百分数得到对应的油气藏规模值,如表3所示。
表3
P99 | P95 | P90 | P75 | P50 | P25 | P10 | P5 | P1 |
15.44 | 17.28 | 19.83 | 29.75 | 61.17 | 165.06 | 505.2 | 1010.6 | 2238.28 |
将该概率分布模型对应的概率分布百分位表与分组的样本数据的百分位表进行对比,判断对应的相同的百分位数的数值是否符合。如不符合,则通过人机交互调节的方式,采用计算机软件,调整初步获得的概率分布模型的形态参数和位置参数,直到两者对应的百分位数的数值符合,如符合,则初步确定该概率分布模型并进行检验。
采用地质帕莱托分布模型时,采用油气藏资源序列法预测的油气藏规模P50为64.4万吨,P10与P90的油气藏规模比值为23.79,与获得的概率分布模型得到的百分位表表3基本符合,所以可以初步确定该概率分布模型。
检验样本数据与初步确定的概率分布模型是否符合,采用PPROBIT图版进行检验。如图7所示,图中X坐标轴为样本数据的对数坐标值,Y坐标轴为样本数据的累计比例。虚线为概率分布模型选择地质帕莱托模型得到的拟合曲线,实线为选择正态分布模型时得到的拟合曲线,散点为样本数据点。由图所示,样本数据分布与地质帕莱托模型的分布曲线拟合效果好,说明样本数据符合地质帕莱托分布。
检验分组的样本数据与初步确定的概率分布模型是否符合,也可以采用Q-Q图版进行检验。Q-Q图是一种交汇图(散点图),当样本数据符合初步确定的概率分布模型时,Q-Q图中样本数据和选择的概率分布模型的拟合分位数近似呈一条直线。如图8所示,样本数据的分位数与选择的概率分布模型(此处采用地质帕莱托模型)的分位数近似成一条直线,说明样本数据符合地质帕莱托模型。
以上两种检验方法既可以单独使用,也可以同时使用,增加检验结果的可靠性。检验结果表明,地质帕莱托模型适合当前评价单元中的油气藏分布情况。
虽然本发明所公开的实施方式如上,但所述的内容只是为了便于理解本发明而采用的实施方式,并非用以限定本发明。任何本发明所属技术领域内的技术人员,在不脱离本发明所公开的精神和范围的前提下,可以在实施的形式上及细节上作任何的修改与变化,但本发明的专利保护范围,仍须以所附的权利要求书所界定的范围为准。
Claims (11)
1.一种通用概率分布参数估计流程与分析方法,包括以下步骤:
步骤一,基于油气区发现的油气藏的分布情况划分油气藏评价单元,统计评价单元中油气藏的样本数据并绘制二维直角坐标图;
步骤二,对二维直角坐标图中的样本数据分组,基于分组的样本数据通过人机交互方式调节初步确定分组的样本数据对应的概率分布模型;
步骤三,基于分组的样本数据检验对应的概率分布模型进而最终确定该概率分布模型。
2.如权利要求1所述的方法,其特征在于,所述样本数据包括样本序号和对应于该序号的数值。
3.如权利要求1~2任一项所述的方法,其特征在于,在步骤二中,进一步包括:
从已知的概率分布模型中选择符合分组的样本数据概率分布特征的概率分布模型;
基于选择的概率分布模型和分组的样本数据,得到该概率分布模型对应的概率分布参数表,初步获得概率分布模型;
通过人机交互方式调节对应的概率分布模型的参数表进而初步确定该概率分布模型。
4.如权利要求1~3任一项所述的方法,其特征在于,所述样本数据分组按照样本序号将具有单一概率分布特征的样本数据分为一组。
5.如权利要求1~4任一项所述的方法,其特征在于,所述样本分组采用人机交互分组方式。
6.如权利要求1~5任一项所述的方法,其特征在于,选择符合分组的样本数据概率分布特征的概率分布模型包括数据筛选过程,将分组的样本数据中明显偏离选择的概率分布模型的数据剔除。
7.如权利要求1~6任一项所述的方法,其特征在于,所述人机交互方式调节对应的概率分布模型的参数表包括以下步骤:
基于分组的样本数据和初步获得的概率分布模型绘制概率曲线图版,该概率分布模型对应的概率分布百分位表;
对比分组的样本数据的百分位表和该概率分布模型对应的概率分布百分位表,判断相同的百分位数对应的数值是否符合指定的要求,如不符合,则调节该概率分布模型的形态参数和位置参数,直到两者相同的百分位数对应的数值符合指定的要求,如符合,则初步确定该概率分布模型。
8.如权利要求7所述的方法,其特征在于,所述概率曲线图版包括:一坐标轴为样本数据实际值,另一坐标轴为样本数据的概率值,直方图为样本数据的出现频率以及选择的概率分布模型的概率分布曲线。
9.如权利要求1~8任一项所述的方法,其特征在于,在步骤三中,采用PROBIT图版检验分组的样本数据与初步确定的概率分布模型是否符合,当分组的样本数据符合初步确定的概率分布模型时,该概率分布模型的概率分布曲线与样本数据点的拟合效果好。
10.如权利要求1~8任一项所述的方法,其特征在于,在步骤三中,采用Q-Q图版检验分组的样本数据与初步确定的概率分布模型是否符合,当分组的样本数据符合初步确定的概率分布模型时,该图版中分组的样本数据的分位数和初步确定的概率分布模型的分位数近似呈一条直线。
11.如权利要求1~10任一项所述的方法,其特征在于,同时采用PROBIT图版和Q-Q图版来检验分组的样本数据是否符合初步确定的概率分布模型进而最终确定分组的样本数据对应的概率分布模型。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410220699.2A CN105095552B (zh) | 2014-05-23 | 2014-05-23 | 一种通用概率分布参数估计流程与分析方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410220699.2A CN105095552B (zh) | 2014-05-23 | 2014-05-23 | 一种通用概率分布参数估计流程与分析方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105095552A true CN105095552A (zh) | 2015-11-25 |
CN105095552B CN105095552B (zh) | 2018-07-20 |
Family
ID=54575984
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410220699.2A Active CN105095552B (zh) | 2014-05-23 | 2014-05-23 | 一种通用概率分布参数估计流程与分析方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105095552B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107818517A (zh) * | 2016-09-14 | 2018-03-20 | 中国石油化工股份有限公司 | 一种表征矿区油页岩油资源丰度状态的方法 |
CN110705103A (zh) * | 2019-09-30 | 2020-01-17 | 中国人民解放军海军工程大学 | 一种伽玛型通用件的备件保障概率计算方法及装置 |
CN111929671A (zh) * | 2020-06-30 | 2020-11-13 | 湖南华诺星空电子技术有限公司 | 基于正态匹配的无线电侦测的接收幅度的估计方法及系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101551466A (zh) * | 2008-04-03 | 2009-10-07 | 中国石油天然气集团公司 | 一种利用与偏移距有关的地震属性提高油气储层预测精度的方法 |
WO2010006329A2 (en) * | 2008-07-11 | 2010-01-14 | Services Petroliers Schlumberger | Monte carlo method for laplace inversion of nmr data |
CN102508293A (zh) * | 2011-11-28 | 2012-06-20 | 中国石油大学(北京) | 一种叠前反演的薄层含油气性识别方法 |
US20140137643A1 (en) * | 2012-11-19 | 2014-05-22 | Invensys Systems Inc. | Multiphase flow metering system |
-
2014
- 2014-05-23 CN CN201410220699.2A patent/CN105095552B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101551466A (zh) * | 2008-04-03 | 2009-10-07 | 中国石油天然气集团公司 | 一种利用与偏移距有关的地震属性提高油气储层预测精度的方法 |
WO2010006329A2 (en) * | 2008-07-11 | 2010-01-14 | Services Petroliers Schlumberger | Monte carlo method for laplace inversion of nmr data |
CN102508293A (zh) * | 2011-11-28 | 2012-06-20 | 中国石油大学(北京) | 一种叠前反演的薄层含油气性识别方法 |
US20140137643A1 (en) * | 2012-11-19 | 2014-05-22 | Invensys Systems Inc. | Multiphase flow metering system |
Non-Patent Citations (1)
Title |
---|
石石等: ""基于概率法的油气储量不确定性分析"", 《天然气勘探与开发》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107818517A (zh) * | 2016-09-14 | 2018-03-20 | 中国石油化工股份有限公司 | 一种表征矿区油页岩油资源丰度状态的方法 |
CN110705103A (zh) * | 2019-09-30 | 2020-01-17 | 中国人民解放军海军工程大学 | 一种伽玛型通用件的备件保障概率计算方法及装置 |
CN110705103B (zh) * | 2019-09-30 | 2022-06-14 | 中国人民解放军海军工程大学 | 一种伽玛型通用件的备件保障概率计算方法及装置 |
CN111929671A (zh) * | 2020-06-30 | 2020-11-13 | 湖南华诺星空电子技术有限公司 | 基于正态匹配的无线电侦测的接收幅度的估计方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN105095552B (zh) | 2018-07-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10891462B2 (en) | Identifying geometrical properties of rock structure through digital imaging | |
US20160306773A1 (en) | Quantitative analysis and visualization of spatial points | |
CN104573333B (zh) | 利用聚类分析进行模型优选的方法 | |
JP6480918B2 (ja) | フローサイトメトリにおける効率的なコンター及びゲーティング | |
CN104619952A (zh) | 具可靠多相渗透性决定数字岩石分析系统及方法 | |
Cheng et al. | Unraveling the presence of multiple plagioclase populations and identification of representative two-dimensional sections using a statistical and numerical approach | |
CN103853922B (zh) | 一种油气田相似性的可视化定量评价方法 | |
CN105095552A (zh) | 一种通用概率分布参数估计流程与分析方法 | |
CN112462442B (zh) | 重磁位场场源位置估计方法、系统、介质及电子设备 | |
CN110632677B (zh) | 一种碳酸盐岩地热储层分类方法 | |
CN103777244B (zh) | 一种地震裂缝属性体的定量分析方法 | |
CN110222981B (zh) | 一种基于参数二次选取的储层分类评价方法 | |
CN115390155A (zh) | 针对非均质储层的测井解释方法、装置、电子设备及介质 | |
CN105095981A (zh) | 一种基于人机交互的油气藏规模序列资源评价方法 | |
CN105303274B (zh) | 一种油气圈闭分析方法 | |
US20150330888A1 (en) | Flow cytometry data segmentation result evaluation systems and methods | |
CN105447607A (zh) | 一种筛选圈闭的方法 | |
CN103559291A (zh) | 一种应用正态分布方法的统计分析方法 | |
WO2021206755A1 (en) | Systems and methods for evaluating a simulation model of a hydrocarbon field | |
CN107103552A (zh) | 勘探效率系数确定方法及装置 | |
CN109766520A (zh) | 一种基于大数据的多元线性回归分析方法及系统 | |
Wilde et al. | Programs for data spacing, uncertainty, and classification | |
CN114004804A (zh) | 表面质量评价方法、装置和计算机可读介质 | |
CN106529022B (zh) | 一种储层分选性精确划分方法 | |
CN115809400A (zh) | 卤水锂含量评价方法、装置、存储介质及电子设备 |
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 |