一种分类适配的河流相砂体高效对比方法

    公开(公告)号:CN114594528A

    公开(公告)日:2022-06-07

    申请号:CN202011419309.6

    申请日:2020-12-07

    Abstract: 本发明提供了一种分类适配的河流相砂体高效对比方法,该对比方法主要包括以下步骤:步骤1,基于井震联合精细解剖的河流相砂体类型细分;步骤2,确定砂体精细对比评价参数;将井网密度与所述砂体的所述精细对比评价参数进行对比,得出精确性研究成果;基于所述井网密度的所述研究成果建立高精度原型模型;基于所述原型模型指导其他地层的对比工作。该河流相砂体对比方法针对东部整装老油田密井网工区井数多、地层对比工作量大、效率低的问题,优选目标区块,利用井震联合实现砂体精细解剖,通过分析井网密度与对比精度的关系,建立高精度的原型模型,进而为其他同类型河流相砂体的精细地层对比提供指导,提高河流相砂体对比的准确性和效率。

    基于深度学习的钻前测井曲线预测方法

    公开(公告)号:CN117150875A

    公开(公告)日:2023-12-01

    申请号:CN202210561379.8

    申请日:2022-05-23

    Abstract: 本发明提供一种基于深度学习的钻前测井曲线预测方法,该基于深度学习的钻前测井曲线预测方法包括:步骤1,获取测井资料,挑选出有效数据;步骤2,进行数据准备;步骤3,建立数据集,获取预测数据;步骤4,进行模型的搭建、训练及调参;步骤5,根据训练得到的卷积神经网络模型,预测未知段测井数据。该基于深度学习的钻前测井曲线预测方法明显提高了训练网络的性能,可以最大程度地将实际地层变化情况送入神经网络中进行训练。本发明提出的方法可以明显增加钻前曲线预测数据的准确率,进而更加精确求取地层及压力等相关的重要力学参数。因此,本发明克服了现有技术存在的缺陷。

Patent Agency Ranking