-
公开(公告)号：CN111025396B
公开(公告)日：2021-11-05
申请号：CN202010013150.1
申请日：2020-01-06
Applicant: 中国石油化工股份有限公司 , 中国石油化工股份有限公司胜利油田分公司物探研究院
IPC: G01V1/30
Abstract: 本发明提供一种基于人工智能算法的油藏物性参数地震预测方法，包括：步骤1，利用地震数据反演出油气储层的纵波阻抗、横波阻抗和密度；步骤2，进行岩石物理模型分析，将孔隙度、油气饱和度和渗透率等油藏物性参数与地震数据反演结果联系起来；步骤3，基于岩石物理模型分析，利用人工智能算法反演出油藏的物性参数。该基于人工智能算法的油藏物性参数地震预测方法借助了混合遗传算法等人工智能算法的优点和地震数据对油藏具有覆盖面积大的能力，不仅将计算效率提高了30%，更为重要的是将反演结果的收敛度提高到了100%，由此大大提高了油藏物性参数地震预测的准确度。
-
公开(公告)号：CN115506783A
公开(公告)日：2022-12-23
申请号：CN202110132186.6
申请日：2021-06-21
Applicant: 中国石油化工股份有限公司 , 中国石油化工股份有限公司胜利油田分公司物探研究院
Abstract: 本发明提供一种岩性预测方法，包括以下步骤：1）构造已有测井数据的标注样本集合，2）系统初始化，3）生成中间权重矩阵，4）计算最优输出权重矩阵，5）计算加权系数，6）判断是否结束训练，7）预测新井的岩性。本发明实施例模型参数是解析的，因此具有极高的运行效率，引入多重中间输出矩阵与自动寻优算法，保证模型具有较高的泛化性能。
-
公开(公告)号：CN113589363A
公开(公告)日：2021-11-02
申请号：CN202010370977.8
申请日：2020-04-30
Applicant: 中国石油化工股份有限公司 , 中国石油化工股份有限公司胜利油田分公司物探研究院
Abstract: 本发明提供一种融合人工神经网络与地质统计学的油气预测新方法，该融合人工神经网络与地质统计学的油气预测新方法包括：步骤1，将地震与测井数据的层段平均；步骤2，进行地震与测井数据的Kendall相关性分析；步骤3，在井点处训练人工神经网络；步骤4，进行地震测井联合地质统计，得到储层物性参数的三维分布；步骤5，在井点处训练第二个人工神经网络；步骤6，进行油气三维预测。该融合人工神经网络与地质统计学的油气预测新方法将人工神经网络方法与地质统计方法结合起来，能够以高度非线性的方式处理大量不同学科来源的数据，可融合各种数据信息，充分发挥了人工智能技术与地质统计技术的各自优势。
-
公开(公告)号：CN111025396A
公开(公告)日：2020-04-17
申请号：CN202010013150.1
申请日：2020-01-06
Applicant: 中国石油化工股份有限公司 , 中国石油化工股份有限公司胜利油田分公司物探研究院
IPC: G01V1/30
Abstract: 本发明提供一种基于人工智能算法的油藏物性参数地震预测方法，包括：步骤1，利用地震数据反演出油气储层的纵波阻抗、横波阻抗和密度；步骤2，进行岩石物理模型分析，将孔隙度、油气饱和度和渗透率等油藏物性参数与地震数据反演结果联系起来；步骤3，基于岩石物理模型分析，利用人工智能算法反演出油藏的物性参数。该基于人工智能算法的油藏物性参数地震预测方法借助了混合遗传算法等人工智能算法的优点和地震数据对油藏具有覆盖面积大的能力，不仅将计算效率提高了30%，更为重要的是将反演结果的收敛度提高到了100%，由此大大提高了油藏物性参数地震预测的准确度。
-
公开(公告)号：CN107728208B
公开(公告)日：2019-07-12
申请号：CN201710915455.X
申请日：2017-09-29
Applicant: 中国石油化工股份有限公司 , 中国石油化工股份有限公司胜利油田分公司物探研究院
IPC: G01V1/30
Abstract: 本发明提出基于地层速度异常预测孔隙压力的方法，该方法建立在对有效应力和颗粒堆积模型的精确理论分析的基础上，即孔隙压力与速度异常之间总是存在一个指数关系。首先求取地层速度，根据具体情况，可以利用声波测井速度、地震叠加速度、地震偏移速度和地震反演速度。然后设定一个正常压实趋势线。接下来求取地层速度与正常趋势的偏差，以此作为孔隙压力预测的输入数据。最后利用孔隙压力与速度异常之间的指数关系得出孔隙压力数据。对地震勘探来说，这是一个快速识别甜点的普查工具。对储层监测来说，预测出的孔隙压力是揭示流体变化的重要指标。
-
Patent Agency Ranking
公开(公告)号：CN107728208A
公开(公告)日：2018-02-23
申请号：CN201710915455.X
申请日：2017-09-29
Applicant: 中国石油化工股份有限公司 , 中国石油化工股份有限公司胜利油田分公司物探研究院
IPC: G01V1/30
CPC classification number: G01V1/306 , G01V2210/6222 , G01V2210/6248
Abstract: 本发明提出基于地层速度异常预测孔隙压力的方法，该方法建立在对有效应力和颗粒堆积模型的精确理论分析的基础上，即孔隙压力与速度异常之间总是存在一个指数关系。首先求取地层速度，根据具体情况，可以利用声波测井速度、地震叠加速度、地震偏移速度和地震反演速度。然后设定一个正常压实趋势线。接下来求取地层速度与正常趋势的偏差，以此作为孔隙压力预测的输入数据。最后利用孔隙压力与速度异常之间的指数关系得出孔隙压力数据。对地震勘探来说，这是一个快速识别甜点的普查工具。对储层监测来说，预测出的孔隙压力是揭示流体变化的重要指标。
-
公开(公告)号：CN115327643B
公开(公告)日：2024-09-10
申请号：CN202110509272.4
申请日：2021-05-11
Applicant: 中国石油化工股份有限公司 , 中国石油化工股份有限公司胜利油田分公司物探研究院
IPC: G01V1/50 , G06N3/0464 , G06N3/08
Abstract: 本发明提供一种用于油气智能检测的机器学习训练样本扩充及评价方法，包括：对工区数据进行分类，明确储层类型；探究目的层储层段的声速主控因素，并基于此建立岩石物理模型；明确储层的地质特征，确定模型的扰动参数，并确定扰动参数的扰动范围；确定模型扰动参数的取值范围，合理选取取值步长，生成所需要的油气样本数据；将扩充样本与实际油气样本数据分别放入神经网络中进行训练测试，给出数据驱动测试准确率和模型驱动的测试准确率；构建样本可靠性函数。该用于油气智能检测的机器学习训练样本扩充及评价方法解决了油气智能检测中，油气训练样本不足问题，通过合理扩充油气训练样本，进而获得置信度更高的油气智能检测结果。
-
公开(公告)号：CN108363099A
公开(公告)日：2018-08-03
申请号：CN201810140245.2
申请日：2018-02-11
Applicant: 中国石油化工股份有限公司 , 中国石油化工股份有限公司胜利油田分公司物探研究院
IPC: G01V1/28
CPC classification number: G01V1/28
Abstract: 本发明提供一种基于模拟退火和多尺度脊波分析的纵横波相关方法，包括：步骤1，确定纵横波原始剖面；步骤2，对纵波剖面进行多尺度脊波分析；步骤3，对横波剖面进行多尺度脊波分析；步骤4，对多尺度脊波分析后的大尺度纵波剖面和横波剖面进行模拟退火相关；步骤5，对多尺度脊波分析后的中尺度纵波剖面和横波剖面进行模拟退火相关匹配；步骤6，对多尺度脊波分析后的小尺度纵波剖面和横波剖面进行模拟退火相关。该基于模拟退火和多尺度脊波分析的纵横波相关方法借助了多尺度脊波分析的优点和模拟退火算法对全局最优解的搜索能力，提高了纵横波自动相关的精度，提高了对噪音影响的抵抗能力。
-
公开(公告)号：CN115506783B
公开(公告)日：2024-09-27
申请号：CN202110132186.6
申请日：2021-06-21
Applicant: 中国石油化工股份有限公司 , 中国石油化工股份有限公司胜利油田分公司物探研究院
Abstract: 本发明提供一种岩性预测方法，包括以下步骤：1）构造已有测井数据的标注样本集合，2）系统初始化，3）生成中间权重矩阵，4）计算最优输出权重矩阵，5）计算加权系数，6）判断是否结束训练，7）预测新井的岩性。本发明实施例模型参数是解析的，因此具有极高的运行效率，引入多重中间输出矩阵与自动寻优算法，保证模型具有较高的泛化性能。
-
公开(公告)号：CN113589363B
公开(公告)日：2024-03-19
申请号：CN202010370977.8
申请日：2020-04-30
Applicant: 中国石油化工股份有限公司 , 中国石油化工股份有限公司胜利油田分公司物探研究院
Abstract: 本发明提供一种融合人工神经网络与地质统计学的油气预测新方法，该融合人工神经网络与地质统计学的油气预测新方法包括：步骤1，将地震与测井数据的层段平均；步骤2，进行地震与测井数据的Kendall相关性分析；步骤3，在井点处训练人工神经网络；步骤4，进行地震测井联合地质统计，得到储层物性参数的三维分布；步骤5，在井点处训练第二个人工神经网络；步骤6，进行油气三维预测。该融合人工神经网络与地质统计学的油气预测新方法将人工神经网络方法与地质统计方法结合起来，能够以高度非线性的方式处理大量不同学科来源的数据，可融合各种数据信息，充分发挥了人工智能技术与地质统计技术的各自优势。
-
-
-
-
-
-
-
-
-
Search Results
12
records
(took 0.07 seconds)
