CN109356573A - 一种地层声波时差的测试提取方法 - Google Patents
一种地层声波时差的测试提取方法 Download PDFInfo
- Publication number
- CN109356573A CN109356573A CN201811514846.1A CN201811514846A CN109356573A CN 109356573 A CN109356573 A CN 109356573A CN 201811514846 A CN201811514846 A CN 201811514846A CN 109356573 A CN109356573 A CN 109356573A
- Authority
- CN
- China
- Prior art keywords
- stratum
- transit time
- interval transit
- receiver
- extraction method
- 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.)
- Pending
Links
- 238000012360 testing method Methods 0.000 title claims abstract description 35
- 238000000605 extraction Methods 0.000 title claims abstract description 14
- 238000013528 artificial neural network Methods 0.000 claims abstract description 16
- 238000005070 sampling Methods 0.000 claims abstract description 16
- 230000015572 biosynthetic process Effects 0.000 claims description 25
- 238000005259 measurement Methods 0.000 claims description 14
- 238000004364 calculation method Methods 0.000 claims description 4
- 238000013507 mapping Methods 0.000 claims description 4
- 238000001514 detection method Methods 0.000 claims description 3
- 230000009977 dual effect Effects 0.000 claims description 3
- 238000012549 training Methods 0.000 abstract description 10
- 238000011897 real-time detection Methods 0.000 abstract description 2
- 238000000034 method Methods 0.000 description 13
- 230000008569 process Effects 0.000 description 9
- 238000005553 drilling Methods 0.000 description 7
- 239000011148 porous material Substances 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 3
- 238000004088 simulation Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 238000011065 in-situ storage Methods 0.000 description 2
- 239000003208 petroleum Substances 0.000 description 2
- 230000000704 physical effect Effects 0.000 description 2
- 239000011435 rock Substances 0.000 description 2
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000000706 filtrate Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 239000000047 product Substances 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
Classifications
-
- E—FIXED CONSTRUCTIONS
- E21—EARTH OR ROCK DRILLING; MINING
- E21B—EARTH OR ROCK DRILLING; OBTAINING OIL, GAS, WATER, SOLUBLE OR MELTABLE MATERIALS OR A SLURRY OF MINERALS FROM WELLS
- E21B47/00—Survey of boreholes or wells
- E21B47/12—Means for transmitting measuring-signals or control signals from the well to the surface, or from the surface to the well, e.g. for logging while drilling
- E21B47/14—Means for transmitting measuring-signals or control signals from the well to the surface, or from the surface to the well, e.g. for logging while drilling using acoustic waves
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/02—Agriculture; Fishing; Forestry; Mining
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Mining & Mineral Resources (AREA)
- Life Sciences & Earth Sciences (AREA)
- Geology (AREA)
- Business, Economics & Management (AREA)
- Marine Sciences & Fisheries (AREA)
- Economics (AREA)
- Environmental & Geological Engineering (AREA)
- Geophysics (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Geochemistry & Mineralogy (AREA)
- Agronomy & Crop Science (AREA)
- Animal Husbandry (AREA)
- Remote Sensing (AREA)
- Acoustics & Sound (AREA)
- Health & Medical Sciences (AREA)
- Fluid Mechanics (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Geophysics And Detection Of Objects (AREA)
Abstract
本发明公开了一种地层声波时差的测试提取方法,包括:步骤一:确定三层神经网络的输入层向量,中间层向量,以及输出层向量;步骤二:根据历史数据获取训练样本对神经网络进行训练;步骤三:按照一定的采样周期获取地层深度H、温度T、湿度F、压强P,并将上述参数进行规格化,得到输入层向量和输出层向量;步骤四:对接收器移动速度和接收器间距进行控制;步骤五、根据输出层向量中紧急停止信号,判断测井仪的运行状态。其能基于实时检测到的地层状况来调节测井仪的工作状况,提高测试的准确性。
Description
技术领域
本发明涉及石油勘探领域,尤其涉及一种地层声波时差的测试提取方法。
背景技术
随钻声波测井技术是在电缆测井技术的基础上发展起来的,与电缆测井相比,它能够在泥浆滤液侵入到地层之前对数据进行有效采集,受侵入影响较小,能够更为客观的探测到原始地层状况,地层信息具有更高的研究价值。随钻测井技术的应用,把钻井和测井两个过程合二为一,在钻井的过程中完成录井,提高了钻井作业效率,大大降低了测井的成本。另外,在一些高难度的测井作业中,例如水平井、大斜度井的测试中,电缆测井无法完成测井工作,只能选用随钻测井。石油勘探领域地层声波时差数据可以用来进行地层对比、确定地层孔隙度、计算地层孔隙压强等,用途广泛,但在实际钻井过程中,经常出现声波时差数据不完整或者由于井况原因准确测量的问题,为了给地层判断提供更多数据支持以及为钻井安全提供较为可靠的地层压强信息,相关技术人员经常利用Faust经验公式来拟合计算缺失部分的地层声波时差数据。
作为一种较为常见的地层声波时差计算方法,Faust经验公式可以满足一般常温常压井的作业需求,但当地层岩性变得复杂,或地层孔隙压强系数变高时,Faust经验公式的拟合结果往往不尽人意,对现场的地层孔隙压强系数的计算或者地层物性的判断并不能提供可靠的数据参考,甚至误导现场决策者的作业思路,间接性地带来不必要的经济损失。
发明内容
本发明为解决目前的技术不足之处,提供了一种地层声波时差的测试提取方法,其能基于实时检测到的地层状况来调节测井仪的工作状况,提高测试的准确性;
本发明的另一目的是在无法测试时能够模拟计算出声波时差,提高了拟合地层声波时差的准确度。
本发明提供的技术方案为:一种地层声波时差的测试提取方法,包括以下步骤:
步骤一、按照采样周期,获取地层深度H、温度T、湿度F、压强P;
步骤二、依次将步骤一中获取的参数进行规格化,确定三层BP神经网络的输入层向量x={x1,x2,x3,x4};其中x1为深度系数、x2为温度系数、x3为湿度系数、x4为压强系数;
步骤三、所述输入层向量映射到中间层,所述中间层向量y={y1,y2,…,ym}; m为中间层节点个数;
步骤四、得到输出层向量o={o1,o2,o3};o1为接收器移动速度调节系数, o2为接收器间距调节系数;o3为紧急停止信号;
步骤五、控制接收器移动速度和接收器间距,使
其中,别为第i次采样周期输出层向量前两个参数,vmax为接收器移动最大速度,Smax为接收器最大间距,vi+1为第i+1个采样周期时接收器移动速度,Si+1为第i+1个采样周期时接收器间距。
优选的是,还包括:
根据第i次周期中的地层深度H、温度T、湿度F、压强P,当时判定此环境状态不适于测井仪的工作,进行紧急停止。
优选的是,当时,测井仪停止检测,取对应处的地层岩样测试其电阻率,并拟合计算声波时差Δt:
其中,RD为地层电阻率;k,c,d为常数。
优选的是,所述常数k,c,d的确定:实际测量地层的不同深度的一组地层电阻率和对应的声波时差,模拟得到数据关系式,确定k,c,d的数值。
优选的是,初始状态时,所述接收器间距S0满足:
优选的是,所中间层节点个数m满足:其中n为输入层节点个数,q为输出层节点个数。
优选的是,步骤三中,将地层深度H、温度T、湿度F、压强P进行规格化的公式为:
其中,xj为输入层向量中的参数,Xj分别为测量参数H、T、F、P, j=1,2,3,4;Xjmax和Xjmin分别为相应测量参数中的最大值和最小值。
优选的是,初始状态,接收器移动速度v0满足:
v0=0.76vmax。
本发明所述的有益效果:本发明提供的基于BP神经网络的地层声波时差的测试提取方法,构建了人工神经网络,具有自学习和预测功能,使其具有良好的适应性和调控的准确性。能够大大提高测试效率和准确率。同时在测井仪不便于测试时,可以根据实测的声波时差与电阻率构建的关系模型,确认关系后模拟计算得到声波时差。
附图说明
图1为本发明的第一个测试井地层不同井深的Fuast经验公式拟合声波时差与实测声波时差的图像。
图2为本发明的第二个测试井地层不同井深的Fuast经验公式拟合声波时差与实测声波时差的图像。
图3为本发明的第三个测试井地层不同井深的Fuast经验公式拟合声波时差与实测声波时差的图像。
图4为本发明的Fuast经验公式拟合声波时差、改进Fuast经验公式拟合声波时差与实测声波时差的地层压强梯度随井深变化图。
图5为本发明的基于Fuast经验公式拟合声波时差、改进Fuast经验公式拟合声波时差与实测声波时差的地层压力梯度随井深变化图。
具体实施方式
下面结合附图对本发明做进一步的详细说明,以令本领域技术人员参照说明书文字能够据以实施。
本发明提供一种地层声波时差的测试提取方法,在钻井过程中控制测试声波时差。
随着钻井过程的进行,采用测井仪进行测试。深度测量传感器沿井下管柱设置,用于检测测试位置的深度。压强计托筒,其设置在井下管柱内,用于进行井下压强信息无线通讯;精密直读压强计,其设置在所述压强计拖筒内,用于检测井下压强和温度;湿度计,其设置在压强计拖筒内;继器,其设置在井下管柱内,用于接收并压强、温度信息,并放大为高频电磁波信号;控制器,其设置在地面,用于接收并解码所述高频电磁波信号,并控制所述中继器、压强计托筒的工作状态。
基于BP神经网络的地层声波时差的测试提取方法步骤如下:
步骤一S110:建立BP神经网络模型。
本发明采用的BP网络体系结构由三层组成,第一层为输入层,共n个节点,对应了表示n个输入参数,些信号参数由数据预处理模块给出。第二层为隐层,共m个节点,由网络的训练过程以自适应的方式确定。第三层为输出层,共p个节点,由系统实际需要输出的响应确定。
该网络的数学模型为:
输入向量:x=(x1,x2,...,xn)T
中间层向量:y=(y1,y2,...,ym)T
输出向量:O=(o1,o2,...,op)T
本发明中,输入层节点数为n=4,输出层节点数为p=3。隐藏层节点数m 由下式估算得出:
输入信号4个参数分别表示为:x1为深度系数、x2为温度系数、x3为湿度系数、x4为压强系数。
由于传感器获取的数据属于不同的物理量,其量纲各不相同。因此,在数据输入人工神经网络之前,需要将数据规格化为0-1之间的数。
具体而言,对于地层深度H,进行规格化后,得到深度系数:
其中,Hmax和Hmin分别为地层最大深度和最小深度。
同样的,对温度传感器测量的环境温度T进行规格化后,得到环境温度系数:
其中,Tmax和Tmin为地层最高温度和最低温度。
同样的,对湿度F进行规格化后,得到地层湿度系数:
其中,Fmax和Fmin分别为地层最大湿度和最小湿度。
同样的,对地层压强P进行规格化后,得到地层压强系数:
其中,Pmax和Pmin分别为地层最大压强和最小压强。
输出的三个参数分别表示为:o1为接收器移动速度调节系数,o2为接收器间距调节系数;o3为紧急停止信号;
接收器移动速度调节系数o1表示下一个采样周期时移动速度与最大速度之比,即在第i个采样周期获取输入参数,通过BP神经网络输出第i个采样周期的接收器移动速度调节系数控制第i+1个采样周期中的接收器移动速度vi+1,使其满足:
其中,vmax为接收器最大移动速度。
接收器间距调节系数o2表示下一个采样周期时接收器间距与接收器最大间距之比,即在第i个采样周期获取输入参数,通过BP神经网络输出第i个采样周期的接收器间距调节系数控制第i+1个采样周期中接收器间距 Si+1,使其满足:
其中,Smax为接收器最大间距。
步骤二S120、进行BP神经网络的训练。
建立好BP神经网络节点模型后,即可进行BP神经网络的训练。根据产品的历史经验数据获取训练的样本,并给定输入节点i和隐含层节点j之间的连接权值wij,隐层节点j和输出层节点k之间的连接权值wjk,隐层节点j的阈值θj,输出层节点k的阈值θk、wij、wjk、θj、θk均为-1到1之间的随机数。
在训练过程中,不断修正wij和wjk的值,直至系统误差小于等于期望误差时,完成神经网络的训练过程。
如表1所示,给定了一组训练样本以及训练过程中各节点的值。
表1训练过程各节点值
步骤三S130、采集输入参数,得到输出参数,并对测井仪及测试系统进行控制。
步骤三S130具体包括如下分步骤:
S131:按照采样周期,获取第i个采样周期时地层深度H、温度T、湿度F、压强P;其中,i=1,2,……。
S132:依次将上述4个参数进行规格化,得到第i个采样周期时三层BP 神经网络的输入层向量x={x1,x2,x3,x4}。
S133:所述输入层向量映射到中间层,得到第i个采样周期时中间层向量y={y1,y2,y3,y4}。
S134:所述中间层向输出层映射,得到第i个采样周期时得到输出层向量o={o1,o2,o3}。
S135、对于接收器移动速度和接收器间距,使
别为第i次采样周期输出层向量前两个参数,vmax为接收器移动最大速度,Smax为接收器最大间距,vi+1为第i+1个采样周期时收器移动速度,Si+1为第i+1个采样周期时接收器间距。
初始时,接收器移动速度:
v0=0.76vmax。
所述接收器间距S0满足:
其中,间距S0的单位m,温度T的单位F,湿度F量纲1,压强P的单位 Pa。
S136:根据第i次周期中的根据第i次周期中的地层深度H、温度T、湿度F、压强P,判定此环境状态,当时不适于测井仪的工作,进行紧急停止。
通过上述设置,通过获取输入参数,通过采用BP神经网络算法,对测井仪进行调控,测试地层声波时差。
当时,表明该地层不适宜用测井仪测试。关技术人员经常利用Faust 经验公式来拟合计算缺失部分的地层声波时差数据。
作为一种较为常见的地层声波时差计算方法,Faust经验公式可以满足一般常温常压井的作业需求,但当地层岩性变得复杂,或地层孔隙压强系数变高时,Faust经验公式的拟合结果往往不尽人意,对现场的地层孔隙压强系数的计算或者地层物性的判断并不能提供可靠的数据参考,甚至误导现场决策者的作业思路,间接性地带来不必要的经济损失。
首先利用Faust经验公式计算地层声波时速,然后将声波时速转换成声波时差,即原Faust经验公式为:
vt为地层声波速度,单位us/ft;H为地层垂直井深度,单位m;k′,c′,d′为常数。
基于Faust经验公式改进的拟合新式为Δt:
其中,Δt为地层声波差,单位us/ft;RD为地层电阻率,单位为Ω·m; k,c,d为常数。
常数k,c,d的确定方法:
在以上测井仪测试过程中,在不同的测试周期和测试高度选取外观完整的地层岩样;
将取得的岩样,在模拟其对应的地层条件下进行岩电实验,实验测量出对应的地层电阻率RD;
获取测井仪测试得到的地层声波时差,并建立实际测得的地层声波时差与对应的实验测得地层电阻率的关系作图,模拟曲线确认关系式(基于Faust 经验公式改进的拟合新式),确定常数k,c,d的值。
如图1-3所示,通过实测声波时差与拟合声波时差的对比结果看出,Fuast 经验公式中的井深H对拟合声波时差结果影响较大(见图1),即垂深的增加,拟合声波时差在较浅地层比实测声波时差要大,而在较深地层比实测声波时差要小。大量研究表明,对于正常压实地层而言,地层声波时差与地层电阻率随着垂深的增加,在半对数坐标系中呈线性变化(半对数坐标系中:声波时差随着垂深的增加线性变小,电阻率随着垂深的增加线性增加。),故在寻找电阻率与声波时差的关系时,不需要重复考虑垂深H对拟合结果的影响。
如图4-5所示新式中无垂深H的制约,较传统Fuast经验公式而言,拟合结果与实测值结果误差更小,不存在明显误差,新式拟合的声波时差计算的地层孔隙压强系数更符合实际情况,传统的Faust经验公式拟合转换的声波时差计算的地层孔隙压强系数偏小,在现场实际钻井过程中并不具有指导意义。
尽管本发明的实施方案已公开如上,但其并不仅仅限于说明书和实施方式中所列运用,它完全可以被适用于各种适合本发明的领域,对于熟悉本领域的人员而言,可容易地实现另外的修改,因此在不背离权利要求及等同范围所限定的一般概念下,本发明并不限于特定的细节和这里示出与描述的图例。
Claims (6)
1.一种地层声波时差的测试提取方法,其特征在于,包括以下步骤:
步骤一、按照采样周期,获取地层深度H、温度T、湿度F、压强P;
步骤二、依次将步骤一中获取的参数进行规格化,确定三层BP神经网络的输入层向量x={x1,x2,x3,x4};其中x1为深度系数、x2为温度系数、x3为湿度系数、x4为压强系数;
步骤三、所述输入层向量映射到中间层,所述中间层向量y={y1,y2,…,ym};m为中间层节点个数;
步骤四、得到输出层向量o={o1,o2,o3};o1为接收器移动速度调节系数,o2为接收器间距调节系数;o3为紧急停止信号;
步骤五、控制接收器移动速度和接收器间距,使
其中,别为第i次采样周期输出层向量前两个参数,vmax为接收器移动最大速度,Smax为接收器最大间距,vi+1为第i+1个采样周期时接收器移动速度,Si+1为第i+1个采样周期时接收器间距。
2.根据权利要求1所述的地层声波时差的测试提取方法,其特征在于,还包括:
根据第i次周期中的地层深度H、温度T、湿度F、压强P,当时判定此环境状态不适于测井仪的工作,进行紧急停止,测井仪停止检测,取对应处的地层岩样测试其电阻率,并拟合计算声波时差Δt:
其中,RD为地层电阻率;k,c,d为常数。
3.根据权利要求1所述的地层声波时差的测试提取方法,其特征在于,初始状态时,所述接收器间距S0满足:
4.根据权利要求3所述的地层声波时差的测试提取方法,其特征在于,
所中间层节点个数m满足:其中n为输入层节点个数,q为输出层节点个数。
5.根据权利要求4所述的地层声波时差的测试提取方法,其特征在于,步骤三中,将地层深度H、温度T、湿度F、压强P进行规格化的公式为:
其中,xj为输入层向量中的参数,Xj分别为测量参数H、T、F、P,j=1,2,3,4;Xjmax和Xjmin分别为相应测量参数中的最大值和最小值。
6.根据权利要求5所述的地层声波时差的测试提取方法,其特征在于,初始状态,接收器移动速度v0满足:
v0=0.76vmax。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811514846.1A CN109356573A (zh) | 2018-12-12 | 2018-12-12 | 一种地层声波时差的测试提取方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811514846.1A CN109356573A (zh) | 2018-12-12 | 2018-12-12 | 一种地层声波时差的测试提取方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109356573A true CN109356573A (zh) | 2019-02-19 |
Family
ID=65330528
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811514846.1A Pending CN109356573A (zh) | 2018-12-12 | 2018-12-12 | 一种地层声波时差的测试提取方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109356573A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110644977A (zh) * | 2019-09-16 | 2020-01-03 | 中海艾普油气测试(天津)有限公司 | 一种测试用井下小信号接收与发送的控制方法 |
CN114575827A (zh) * | 2022-04-11 | 2022-06-03 | 中国地质大学(北京)郑州研究院 | 一种随钻测量数据智能处理系统及方法 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5383366A (en) * | 1992-10-26 | 1995-01-24 | The United States Of America As Represented By The Secretary Of The Navy | Ultrasonic two probe system for locating and sizing |
WO2001055553A1 (en) * | 2000-01-24 | 2001-08-02 | Shell Internationale Research Maatschappij B.V. | System and method for fluid flow optimization in a gas-lift oil well |
US20040257240A1 (en) * | 2003-06-19 | 2004-12-23 | Dingding Chen | Processing well logging data with neural network |
CN101025084A (zh) * | 2006-02-20 | 2007-08-29 | 中国石油大学(北京) | 一种随钻预测钻头底下地层孔隙压力的方法 |
US20140129479A1 (en) * | 2011-05-23 | 2014-05-08 | Imperial Innovations Limited | Method to aid in the exploration, mine design, evaluation and/or extraction of metalliferous mineral and/or diamond deposits |
CN105404153A (zh) * | 2015-12-17 | 2016-03-16 | 吉林大学 | 一种基于bp神经网络的绕线机控制方法及绕线机 |
CN106650825A (zh) * | 2016-12-31 | 2017-05-10 | 中国科学技术大学 | 一种机动车尾气排放数据融合系统 |
CN106837310A (zh) * | 2016-12-15 | 2017-06-13 | 中法渤海地质服务有限公司 | 基于质量流量综合检测的石油井涌井漏预报方法及装置 |
-
2018
- 2018-12-12 CN CN201811514846.1A patent/CN109356573A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5383366A (en) * | 1992-10-26 | 1995-01-24 | The United States Of America As Represented By The Secretary Of The Navy | Ultrasonic two probe system for locating and sizing |
WO2001055553A1 (en) * | 2000-01-24 | 2001-08-02 | Shell Internationale Research Maatschappij B.V. | System and method for fluid flow optimization in a gas-lift oil well |
US20040257240A1 (en) * | 2003-06-19 | 2004-12-23 | Dingding Chen | Processing well logging data with neural network |
CN101025084A (zh) * | 2006-02-20 | 2007-08-29 | 中国石油大学(北京) | 一种随钻预测钻头底下地层孔隙压力的方法 |
US20140129479A1 (en) * | 2011-05-23 | 2014-05-08 | Imperial Innovations Limited | Method to aid in the exploration, mine design, evaluation and/or extraction of metalliferous mineral and/or diamond deposits |
CN105404153A (zh) * | 2015-12-17 | 2016-03-16 | 吉林大学 | 一种基于bp神经网络的绕线机控制方法及绕线机 |
CN106837310A (zh) * | 2016-12-15 | 2017-06-13 | 中法渤海地质服务有限公司 | 基于质量流量综合检测的石油井涌井漏预报方法及装置 |
CN106650825A (zh) * | 2016-12-31 | 2017-05-10 | 中国科学技术大学 | 一种机动车尾气排放数据融合系统 |
Non-Patent Citations (4)
Title |
---|
HUA-LONG LIU: "Acoustic partial discharge localization methodology in power transformers employing the quantum genetic algorithm", 《APPLIED ACOUSTICS》 * |
杨志力: "BP神经网络技术在声波测井曲线重构中的运用", 《西南石油大学学报(自然科学版)》 * |
王盼: "基于Gardner公式的岩石密度优化算法", 《录井工程》 * |
胡向阳: "珠江口盆地低阻油层测井综合识别方法研究", 《科技通报》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110644977A (zh) * | 2019-09-16 | 2020-01-03 | 中海艾普油气测试(天津)有限公司 | 一种测试用井下小信号接收与发送的控制方法 |
CN114575827A (zh) * | 2022-04-11 | 2022-06-03 | 中国地质大学(北京)郑州研究院 | 一种随钻测量数据智能处理系统及方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11834947B2 (en) | 3D in-situ characterization method for heterogeneity in generating and reserving performances of shale | |
CA3010894C (en) | Methods of selecting an earth model from a plurality of earth models | |
US11156738B2 (en) | Permeability anisotropy assessment in subsurface anisotropic formations | |
CN113553780B (zh) | 一种基于机器学习的地层孔隙压力预测方法 | |
AU2013394401A1 (en) | Detecting boundary locations of multiple subsurface layers | |
AU2011382648B2 (en) | Permeability prediction systems and methods using quadratic discriminant analysis | |
CN103842852A (zh) | 经补偿的井间层析成像方法和系统 | |
US11353616B2 (en) | Methods and systems for processing slowness values from borehole sonic data | |
US20180334901A1 (en) | Fracture Interpretation With Resistivity And Sonic Logs In Biaxial Anisotropic Formations | |
CA3047383C (en) | Multi-layer distance to bed boundary (dtbb) inversion with multiple initial guesses | |
CN109356573A (zh) | 一种地层声波时差的测试提取方法 | |
CN106522921B (zh) | 动态约束的随机建模方法及装置 | |
CN110988997A (zh) | 一种基于机器学习的烃源岩三维空间展布定量预测技术 | |
RU2745152C1 (ru) | Способ объединения модели геологической проводки скважины с оперативной петрофизической интерпретацией данных гис в режиме реального времени и система, реализующая способ | |
BR112017020982A2 (pt) | método e sistema para estimar parâmetros de uma formação geológica, e, dispositivo não transitório de armazenamento legível por máquina. | |
US11574459B2 (en) | Distance-to-bed-boundary inversion solution pixelation | |
Sarkheil et al. | The fracture network modeling in naturally fractured reservoirs using artificial neural network based on image loges and core measurements | |
CN112698397B (zh) | 一种台盆区走滑断裂空腔储层刻画方法 | |
US11693141B2 (en) | Methods and systems for processing borehole dispersive waves with a physics-based machine learning analysis | |
EP3387469A1 (en) | Electrofacies determination | |
CN111624662A (zh) | 速度场校正方法、装置和设备 | |
CN115576028B (zh) | 基于支持向量机的地质特征层预测方法及系统 | |
US20240019599A1 (en) | Reservoir properties derived using ultra-deep resistivity inversion data | |
WO2024087800A1 (zh) | 基于常规测井资料的高频旋回碳酸盐岩识别方法 | |
WO2023202047A1 (zh) | 基于温压耦合电阻率约束的深部地温场预测方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |