CN110175721A - 一种基于贝叶斯统计预测的潜力凹陷定量优选方法及系统 - Google Patents
一种基于贝叶斯统计预测的潜力凹陷定量优选方法及系统 Download PDFInfo
- Publication number
- CN110175721A CN110175721A CN201910464480.XA CN201910464480A CN110175721A CN 110175721 A CN110175721 A CN 110175721A CN 201910464480 A CN201910464480 A CN 201910464480A CN 110175721 A CN110175721 A CN 110175721A
- Authority
- CN
- China
- Prior art keywords
- recess
- fuel
- displaced
- potentiality
- posterior probability
- 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
- 238000000034 method Methods 0.000 title claims abstract description 34
- 238000013477 bayesian statistics method Methods 0.000 title claims abstract description 28
- 238000004364 calculation method Methods 0.000 claims abstract description 11
- 230000005484 gravity Effects 0.000 claims abstract description 11
- 238000004458 analytical method Methods 0.000 claims description 12
- 238000011160 research Methods 0.000 claims description 6
- 238000009826 distribution Methods 0.000 claims description 5
- 238000003860 storage Methods 0.000 claims description 5
- 238000007619 statistical method Methods 0.000 claims description 4
- 238000012360 testing method Methods 0.000 claims description 4
- 238000004590 computer program Methods 0.000 claims description 2
- 238000012545 processing Methods 0.000 claims description 2
- 238000011161 development Methods 0.000 abstract description 7
- 238000005553 drilling Methods 0.000 description 13
- 238000011156 evaluation Methods 0.000 description 6
- 230000005389 magnetism Effects 0.000 description 4
- 230000002950 deficient Effects 0.000 description 3
- 238000013277 forecasting method Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 239000000463 material Substances 0.000 description 3
- 238000004445 quantitative analysis Methods 0.000 description 3
- 241000208340 Araliaceae Species 0.000 description 2
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 2
- 235000003140 Panax quinquefolius Nutrition 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 235000008434 ginseng Nutrition 0.000 description 2
- 238000004451 qualitative analysis Methods 0.000 description 2
- 238000005096 rolling process Methods 0.000 description 2
- 239000004215 Carbon black (E152) Substances 0.000 description 1
- 238000010835 comparative analysis Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000010291 electrical method Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000000556 factor analysis Methods 0.000 description 1
- 229930195733 hydrocarbon Natural products 0.000 description 1
- 150000002430 hydrocarbons Chemical class 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000004321 preservation Methods 0.000 description 1
- 230000000284 resting effect Effects 0.000 description 1
- 239000011435 rock Substances 0.000 description 1
- 235000015170 shellfish Nutrition 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N7/00—Computing arrangements based on specific mathematical models
- G06N7/01—Probabilistic graphical models, e.g. probabilistic networks
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- 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)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Animal Husbandry (AREA)
- Probability & Statistics with Applications (AREA)
- Operations Research (AREA)
- Entrepreneurship & Innovation (AREA)
- Game Theory and Decision Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Agronomy & Crop Science (AREA)
- Development Economics (AREA)
- Marine Sciences & Fisheries (AREA)
- Mining & Mineral Resources (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Quality & Reliability (AREA)
- Algebra (AREA)
- Artificial Intelligence (AREA)
- Computational Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Geophysics And Detection Of Objects (AREA)
Abstract
本发明属于地球物理勘探技术领域，公开了一种基于贝叶斯统计预测的潜力凹陷定量优选方法及系统，首先确定富油凹陷所具有的地球物理特征参数，然后利用贝叶斯理论提出特征参数条件下的凹陷出油后验概率计算方法，计算已获工业油流凹陷的后验概率平均值作为出油阈值；然后潜力凹陷出油后验概率计算值与出油阈值进行对比；若某凹陷的出油后验概率大于出油阈值，则所述凹陷为潜力出油凹陷。本发明在已有重力、磁力、电法勘探资料和凹陷勘探开发成果的基础上，通过贝叶斯统计预测定量优选方法来计算潜力凹陷的出油后验概率，从而实现定量优选潜力凹陷的目的；本发明能应用于油气新区勘探过程中潜力凹陷的优选。
Description
技术领域
本发明属于地球物理勘探技术领域，尤其涉及一种基于贝叶斯统计预测的 潜力凹陷定量优选方法及系统。
背景技术
目前，最接近的现有技术：
油气盆地往往由多个凹陷组成，而每个凹陷又由许多构造或圈闭构成。在其 滚动勘探开发过程中已积累大量地质、地球物理及钻井资料，这些资料对后期 新区潜力凹陷或圈闭优选具有重要的指导作用。随着勘探与开发的不断深入， 对现有资料的深度挖潜，科学有效的潜力凹陷优先方法是降低勘探成本，提高 勘探效率的有效途径，也是油气勘探现阶段面临的重大难题。
常规的潜力凹陷评价与优选还停留在生、储、盖及其组合因素分析的定性 阶段。当凹陷的烃源岩确定之后，通过对凹陷特征参数(如基岩埋深、储层厚 度、分布范围(面积)及保存条件)对比分析，结合专家经验给出优选评价。 这种优选主要依靠地质认识和有限的钻井资料来确定凹陷的特征参数，没能充 分利用凹陷已有的地球物理特征参数，更没有也不可能分析盆内所有凹陷特征 参数的统计学特征，其优选成功率较低。特别针对新区凹陷地质资料匮乏，没 有钻井资料时，优选难度更大。因此，科学利用积累的综合地球物理资料，分 析研究已勘探开发凹陷的地质与地球物理特征，明确并准确定量刻化盆内凹陷 出油特征参数，分析出油与未出油凹陷特征参数统计学特征，以此为先验信息， 应用贝叶斯统计学理论，形成科学的定量的潜力凹陷优选方法，其理论与现实 意义重大。
综上所述，现有技术存在的问题是：
(1)常规的坳陷盆地潜力凹陷评价与优选还停留在对生、储、盖的定性分 析阶段，该方法主要依靠地质认识和有限的钻井资料，再结合专家的勘探经验 给出优选评价。由于没能充分利用凹陷已有的地球物理特征参数，更没有也不 可能分析盆内所有凹陷特征参数的统计学特征，因而其优选成功率较低。特别 针对新区凹陷地质资料匮乏，钻井资料较少，从而增加优选难度。
(2)现有技术并没有将地球物理资料应用到潜力凹陷预测中。
解决上述技术问题的难度：
在盆地油气勘探中，如何深度挖潜已有大量地质与地球物理资料，实现潜 力凹陷定量优选，推动滚动勘探与开发，降低勘探成本，提高勘探效率，是目 前亟待解决的重大难题。
2)如何准确地确定用于定量优选出油凹陷的地球物理特征参数。
解决上述技术问题的意义：
科学利用积累的综合地球物理资料，分析已勘探开发凹陷的地质与地球物 理特征，明确并准确定量刻化盆内凹陷出油的地球物理特征参数，研究出油与 未出油凹陷特征参数统计学特征，以此为先验信息，应用贝叶斯统计学理论， 形成科学的定量的潜力凹陷优选方法，其理论与现实意义重大。
发明内容
针对现有技术存在的问题，本发明提供了一种基于贝叶斯统计预测的潜力 凹陷定量优选方法及系统。相比传统的潜力凹陷优选方法，该方法在已有重力、 磁力和电法等勘探资料及前期凹陷勘探开发成果的基础上，以贝叶斯统计预测 为理论，进行潜力凹陷的出油后验概率计算，依据凹陷出油后验概率值大小， 从而实现定量优先潜力凹陷的目的。本发明以某盆地14个已获工业油流凹陷的 综合地球物理资料为主，研究其地质与地球物理特征，将凹陷面积、储层埋深、 平均海拔、平均剩余重力异常值和平均磁力异常值等5个参数定义为某盆地潜 力凹陷优选的地球物理特征参数。对盆地内65个凹陷的5个特征参数分别进行 统计分析，发现其近似服从高斯分布特征，进而为贝叶斯理论的应用及后验概率计算方法的提出奠定了实验基础。最后，以盆地内已落实出油和经钻探未出 油的22个凹陷特征参数为先验信息进行模型验证，给出了潜力凹陷出油阈值， 建立了以已有的综合地球物理资料和凹陷勘探成果信息为先验信息的潜力凹陷 贝叶斯定量优选方法。
本发明是这样实现的，一种基于贝叶斯统计预测的潜力凹陷定量优选方法 包括：
(1)分析研究区内已获工业油流凹陷的地质与地球物理特征，确定潜力凹 陷优选的地球物理特征参数(比如：凹陷面积、储层埋深、平均海拔、平均剩 余重力异常值和平均磁力异常值等)；
(2)将研究区内经钻探已出油和未出油凹陷作为先验信息，以贝叶斯统计 预测为理论，结合后验概率计算公式(公式(2))，求取已出油凹陷的出油后验 概率值，将出油凹陷的出油后验概率的平均值作为潜力凹陷优选的出油阈值；
假设试验E的样本空间为S，地球物理特征参数Ai(i＝1,2,...,m)是E的事件， 凹陷出油OY、凹陷不出油ON是S的一个划分，且P(Ai)＞0，P(OY)＞0，P(ON)＞0。
根据贝叶斯公式，则特征参数条件下凹陷出油后验概率为：
其中：P(OY),P(ON)一般称为先验概率，而P(OY|Ai)被称为后验概率。 P(Ai|OY)、P(Ai|ON)称为先验信息条件下的概率密度函数。
当凹陷同时具有m个特征参数分布时，其出油后验概率可写为：
其中：P(OY)为m个特征参数条件下凹陷的出油后验概率，P(OY|Ai)为某一 特征参数条件下的凹陷出油后验概率，P(Ai)为该特征参数在凹陷预测中占的权 系数，且
(3)结合地球物理特征参数及其权系数，利用贝叶斯统计方法，计算所有 凹陷的出油后验概率值，如果其出油后验概率值大于潜力凹陷的出油阈值，则 此凹陷为潜力出油凹陷。
进一步，步骤(1)中，地球物理特征参数均服从高斯分布，概率密度函数 表述为：
其中：分别代表出油与不出油条件下特征参数的均值及标准 差。
某盆地14个已获工作油流凹陷和8个未出油凹陷作为贝叶斯预测方法的先 验信息，即已知先验概率为：
由特征参数条件下凹陷出油后验概率公式计算出单一特征参数条件下凹陷 出油后验概率概率P(OY|Ai)。
进一步，某盆地出油凹陷的5个地球物理特征参数在贝叶斯预测中所占权 值相当，即：P(A1)＝P(A2)＝...＝P(A5)＝0.2，结合出油后验概率公式，计算出作为 先验信息的22个凹陷的出油后验概率。
本发明的另一目的在于提供一种实施所述基于贝叶斯统计预测的潜力凹陷 定量优选方法的基于贝叶斯统计预测的潜力凹陷定量优选系统。
本发明的另一目的在于提供一种实现所述基于贝叶斯统计预测的潜力凹陷 定量优选方法的计算机程序。
本发明的另一目的在于提供一种实现所述基于贝叶斯统计预测的潜力凹陷 定量优选方法的信息数据处理终端。
本发明的另一目的在于提供一种计算机可读存储介质，包括指令，当其在 计算机上运行时，使得计算机执行所述的基于贝叶斯统计预测的潜力凹陷定量 优选方法。
综上所述，本发明的优点及积极效果为：
本发明在已有重力、磁力、电法勘探资料和凹陷勘探开发成果的基础上， 通过贝叶斯统计预测定量优选方法来计算潜力凹陷的出油后验概率，从而实现 定量优选潜力凹陷的目的；本发明可应用于油气新区勘探过程中潜力凹陷的优 选。
本发明主要是在分析已获工业油流凹陷的地质和地球物理资料的基础上， 确定富油凹陷所具有的地球物理特征参数，然后利用贝叶斯理论提出特征参数 条件下的凹陷出油后验概率计算方法，同时计算已获工业油流凹陷的后验概率 平均值作为出油阈值，潜力凹陷出油后验概率计算值与出油阈值进行对比，当 某凹陷的出油后验概率大于出油阈值时，则该凹陷为潜力出油凹陷。
本发明与现有的潜力凹陷优选技术相比，利用贝叶斯理论对潜力凹陷已有 的地质和地球物理资料进行了科学地深度挖潜，准确定量地对潜力凹陷优先， 从而降低了勘探成本，提高了勘探效率。
附图说明
图1是本发明实施例提供的贝叶斯预测的潜力凹陷定量优选方法流程图。
图2是本发明实施例提供的某盆地22个凹陷贝叶斯统计预测出油后验概率 结果图。
图3是本发明实施例提供的某盆地潜力凹陷贝叶斯统计预测和优选结果图。
图4是本发明实施例提供的某盆地14个已出油凹陷重磁电及地形资料图 (图(a)为剩余重力异常图；图(b)为剩余磁力异常图；图(c)为白垩系底界面电 法资料图；图(d)为地形图；图中黑线分别为国界线及凹陷边界)。
图5是本发明实施例提供的某盆地65个凹陷地球物理特征参数(面积、埋 深、海拔、剩余重力平均值、剩余磁力平均值)频态分析图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合实施例， 对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以 解释本发明，并不用于限定本发明。
常规的坳陷盆地潜力凹陷评价与优选还停留在对生、储、盖的定性分析阶 段，该方法主要依靠地质认识和有限的钻井资料，再结合专家的勘探经验给出 优选评价。由于没能充分利用凹陷已有的地球物理特征参数，更没有也不可能 分析盆内所有凹陷特征参数的统计学特征，因而其优选成功率较低。特别针对 新区凹陷地质资料匮乏，钻井资料较少，从而增加优选难度。
为解决上述问题，下面结合具体方案对本发明作详细描述。
如图1所示，本发明实施例提供的基于贝叶斯统计预测的潜力凹陷定量优 选方法，包括：
S101,在分析已获工业油流凹陷的地质和地球物理资料的基础上，确定富油 凹陷所具有的地球物理特征参数。
S102,然后利用贝叶斯理论提出特征参数条件下的凹陷出油后验概率计算 方法，同时计算已获工业油流凹陷的后验概率平均值作为出油阈值。
S103,潜力凹陷出油后验概率计算值与出油阈值进行对比；若某凹陷的出油 后验概率大于出油阈值，则所述凹陷为潜力出油凹陷。
下面结合具体实施例对本发明作进一步描述。
实施例1
某盆地已落实中小凹陷多达65个，其中已对22个凹陷进行钻井开发，获 得工业油流凹陷多达14个，为了节约勘探成本需要对剩下的凹陷结合已有的地 质和地球物理资料进行优先。
(1)针对盆地内已出油的14个凹陷和未出油的8个凹陷分析其地质与地 球物理资料，确立该盆地凹陷中的凹陷面积、目标层埋深、平均海拔、平均剩 余重力异常值和平均磁力异常值5个地球物理特征参数为作为该盆地潜力凹陷 优选的特征参数。其具体的特征参数分布见表1。
表1钻探验证22个凹陷的5个地球物理特征参数分布表
(2)将盆地内14个已获工业油流凹陷和8个未出油凹陷作为贝叶斯预测 方法的先验信息，即已知先验概率为：
由公式(1)即可计算出单一特征参数条件下凹陷出油后验概率概率，即：P(OY|Ai)。
假设盆地内出油凹陷的5个地球物理特征参数在贝叶斯预测中所占权值相 当，即：P(A1)＝P(A2)＝...＝P(A5)＝0.2，结合公式(2)，可计算出作为先验信息的 22个凹陷的出油后验概率，结果如图2所示。
(3)潜力凹陷出油阈值计算，利用结果图2中14个已出油凹陷贝叶斯预 测出油后验概率平均值作为潜力凹陷优选的出油阈值。此盆地的出油阈值为 79.7％。
(4)潜力凹陷预测与优选，收集、整理盆地内待预测的43个凹陷的地球 物理特征参数，利用贝叶斯预测方法计算其出油后验概率值，计算中每个特征 参数的权系数均为0.2，计算结果如图3所示，根据计算结果以及出油阈值可以 确定盆地内的37、42、43、51和61为潜力出油凹陷，此次预测结果后期经钻 井验证已获工业油流。
在本发明实施例中，图4是本发明提供的某盆地14个已出油凹陷重磁电及 地形资料图(图(a)为剩余重力异常图；图(b)为剩余磁力异常图；图(c)为白垩 系底界面电法资料图；图(d)为地形图；图中黑线分别为国界线及凹陷边界)。 图5是本发明提供的某盆地65个凹陷地球物理特征参数(面积、埋深、海拔、 剩余重力平均值、剩余磁力平均值)频态分析图。
下面结合效果对本发明作进一步描述。
本发明主要是在分析已获工业油流凹陷的地质和地球物理资料的基础上， 确定富油凹陷所具有的地球物理特征参数，然后利用贝叶斯理论提出特征参数 条件下的凹陷出油后验概率计算方法，同时计算已获工业油流凹陷的后验概率 平均值作为出油阈值，潜力凹陷出油后验概率计算值与出油阈值进行对比，当 某凹陷的出油后验概率大于出油阈值时，则该凹陷为潜力出油凹陷。
本发明将某盆地14个已获工业油流凹陷作为研究对象，分析其地质与地球 物理特征，发现出油凹陷与5个参数存在较好的相关性及油气敏感性，因此将 其作为潜力凹陷的地球物理特征参数。对盆地内凹陷的特征参数分别进行统计 分析，结果表明各特征参数均近似服从高斯分布，进而引入贝叶斯理论，定义 了特征参数条件下凹陷出油后验概率计算方法。以盆地内已落实出油和经钻探 未出油的22个凹陷为先验信息进行方法试算与验证，其结果与实际情况相符， 从而确立某盆地潜力凹陷出油阈值，为定量预测提供优选标准。最后，定量求 取盆地内待预测的43个凹陷的出油后验概率，依据出油概率及阈值，优选出5 个潜力凹陷，为该区下一步地震勘探与钻井部署提供靶区。该方法实现了潜力 凹陷的定量优选，对某盆地综合地球物理资料的有效应用和油气新区勘探具有 重要指导意义。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发 明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明 的保护范围之内。
Claims (8)
1.一种基于贝叶斯统计预测的潜力凹陷定量优选方法，其特征在于，所述基于贝叶斯统计预测的潜力凹陷定量优选方法，首先确定富油凹陷所具有的地球物理特征参数；
然后利用特征参数条件下的凹陷出油后验概率计算方法计算已获工业油流凹陷的后验概率平均值作为出油阈值；
最后对潜力凹陷出油后验概率计算值与出油阈值进行对比；若某凹陷的出油后验概率大于出油阈值，则所述凹陷为潜力出油凹陷。
2.如权利要求1所述的基于贝叶斯统计预测的潜力凹陷定量优选方法，其特征在于，所述基于贝叶斯统计预测的潜力凹陷定量优选方法进一步包括：
(1)分析研究区内已获工业油流凹陷的地质与地球物理特征，确定潜力凹陷优选的地球物理特征参数，地球物理特征参数包括凹陷面积、储层埋深、平均海拔、平均剩余重力异常值和平均磁力异常值或其他的地球物理参数；
(2)将研究区内经钻探已出油和未出油凹陷作为先验信息，以贝叶斯统计预测为理论，结合后验概率计算公式，求取已出油凹陷的出油后验概率值，将出油凹陷的出油后验概率的平均值作为潜力凹陷优选的出油阈值；
(3)结合地球物理特征参数及地球物理特征权系数，利用贝叶斯统计方法，计算所有凹陷的出油后验概率值，如果出油后验概率值大于潜力凹陷的出油阈值，则此凹陷为潜力出油凹陷。
3.如权利要求2所述的基于贝叶斯统计预测的潜力凹陷定量优选方法，其特征在于，步骤(1)中，地球物理特征参数均服从高斯分布，概率密度函数为：
其中：分别代表出油与不出油条件下特征参数的均值及标准差。
4.如权利要求2所述的基于贝叶斯统计预测的潜力凹陷定量优选方法，其特征在于，步骤(2)中，
试验E的样本空间为S，地球物理特征参数Ai(i＝1,2,...,m)是E的事件，凹陷出油OY、凹陷不出油ON是S的一个划分，且P(Ai)＞0，P(OY)＞0，P(ON)＞0，
根据贝叶斯公式，则特征参数条件下凹陷出油后验概率为：
其中：P(OY),P(ON)为先验概率，而P(OY|Ai)被称为后验概率；P(Ai|OY)、P(Ai|ON)称为先验信息条件下的概率密度函数；
当凹陷同时具有m个特征参数分布时，出油后验概率为：
其中：P(OY)为m个特征参数条件下凹陷的出油后验概率，P(OY|Ai)为某一特征参数条件下的凹陷出油后验概率，P(Ai)为该特征参数在凹陷预测中占的权系数，且
5.一种实施权利要求1所述基于贝叶斯统计预测的潜力凹陷定量优选方法的基于贝叶斯统计预测的潜力凹陷定量优选系统。
6.一种实现权利要求1～4任意一项所述基于贝叶斯统计预测的潜力凹陷定量优选方法的计算机程序。
7.一种实现权利要求1～4任意一项所述基于贝叶斯统计预测的潜力凹陷定量优选方法的信息数据处理终端。
8.一种计算机可读存储介质，包括指令，当其在计算机上运行时，使得计算机执行如权利要求1-4任意一项所述的基于贝叶斯统计预测的潜力凹陷定量优选方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910464480.XA CN110175721A (zh) | 2019-05-30 | 2019-05-30 | 一种基于贝叶斯统计预测的潜力凹陷定量优选方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910464480.XA CN110175721A (zh) | 2019-05-30 | 2019-05-30 | 一种基于贝叶斯统计预测的潜力凹陷定量优选方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110175721A true CN110175721A (zh) | 2019-08-27 |
Family
ID=67696676
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910464480.XA Pending CN110175721A (zh) | 2019-05-30 | 2019-05-30 | 一种基于贝叶斯统计预测的潜力凹陷定量优选方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110175721A (zh) |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104533406A (zh) * | 2015-01-15 | 2015-04-22 | 中国石油大学(北京) | 确定油气成藏概率的方法 |
| CN107462927A (zh) * | 2016-06-03 | 2017-12-12 | 中国石油化工股份有限公司 | 基于朴素贝叶斯分类的地震岩相预测方法和装置 |
| CN109214025A (zh) * | 2017-07-06 | 2019-01-15 | 中国石油化工股份有限公司 | 基于贝叶斯分类的储层参数预测方法及系统 |
| CN109785899A (zh) * | 2019-02-18 | 2019-05-21 | 东莞博奥木华基因科技有限公司 | 一种基因型校正的装置和方法 |
-
2019
- 2019-05-30 CN CN201910464480.XA patent/CN110175721A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104533406A (zh) * | 2015-01-15 | 2015-04-22 | 中国石油大学(北京) | 确定油气成藏概率的方法 |
| CN107462927A (zh) * | 2016-06-03 | 2017-12-12 | 中国石油化工股份有限公司 | 基于朴素贝叶斯分类的地震岩相预测方法和装置 |
| CN109214025A (zh) * | 2017-07-06 | 2019-01-15 | 中国石油化工股份有限公司 | 基于贝叶斯分类的储层参数预测方法及系统 |
| CN109785899A (zh) * | 2019-02-18 | 2019-05-21 | 东莞博奥木华基因科技有限公司 | 一种基因型校正的装置和方法 |
Non-Patent Citations (2)
| Title |
|---|
| 何希鹏等: "油层判别方法研究及其在江陵凹陷的应用", 《江汉石油学院学报》 * |
| 杜红等: "贝叶斯统计识别法在录井油气评价中的应用", 《计算机工程与设计》 * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11037084B2 (en) | Method and apparatus for evaluating exploitation value of a geological resource | |
| Wang et al. | Marcellus shale lithofacies prediction by multiclass neural network classification in the Appalachian Basin | |
| CN106529667B (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 | |
| CN103590827B (zh) | 基于储层分类的致密碎屑岩天然气井产能预测方法 | |
| 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 | |
| CN104239743B (zh) | 确定岩性油气藏成藏概率的方法和装置 | |
| CN109653725A (zh) | 基于沉积微相和岩石相的混积储层水淹程度测井解释方法 | |
| CN103645516A (zh) | 基于岩石物理相控油气作用确定油气产能的方法 | |
| Zhu et al. | Rapid identification of high-quality marine shale gas reservoirs based on the oversampling method and random forest algorithm | |
| CN111489034A (zh) | 一种油气储层渗透率预测模型的构建方法及其应用 | |
| CN106022946A (zh) | 确定岩性地层圈闭油气成藏概率的方法及装置 | |
| CN110727034A (zh) | 一种砂岩型铀矿编图方法 | |
| CN104570109B (zh) | 一种储层油气预测的方法 | |
| CN112330109A (zh) | 油气勘探区带地质综合评价的量化表征方法、系统、设备 | |
| CN110568495B (zh) | 基于广义目标函数的瑞雷波多模式频散曲线反演方法 | |
| CN110412662A (zh) | 基于地震多属性深度学习的薄互层储层预测方法 | |
| Sylvester | Turbidite bed thickness distributions: methods and pitfalls of analysis and modelling | |
| Wang et al. | Model averaging for identification of geochemical anomalies linked to mineralization | |
| Wood, AO et al. | Mineral exploration: Discovering and defining ore deposits | |
| Ikpeka et al. | Application of machine learning models in predicting initial gas production rate from tight gas reservoirs | |
| Cheng et al. | Petroleum lithology discrimination based on PSO-LSSVM classification model | |
| Glacken | Change of support and use of economic parameters for block selection | |
| Li et al. | Discrimination of effective source rocks and evaluation of the hydrocarbon resource potential in Marsel, Kazakhstan | |
| CN113780698B (zh) | 适用于油气区的砂岩型铀矿资源潜力评价方法及电子设备 | |
| Miller | Application of exploration play-analysis techniques to the assessment of conventional petroleum resources by the USGS |
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 | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190827 |