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。

    灰质概率体的砂岩储层去灰质预测方法

    公开(公告)号:CN117148448A

    公开(公告)日:2023-12-01

    申请号:CN202210562080.4

    申请日:2022-05-23

    Abstract: 本发明提供一种灰质概率体的砂岩储层去灰质预测方法,包括:确定井上目的层段岩性、成分、厚度及对应的速度和密度;确定单井不同岩性速度及交汇分析;确定灰质对井旁地震道振幅的影响程度;通过井地震剖面分析含灰质储层段地震剖面形态,反射结构特征;根据井上灰质影响度,在平面上确定灰质对地震振幅的影响程度;按照地震解释层位提取研究目标区振幅类地震属性;将岩层振幅类属性去除灰质影响;利用井上砂厚数据作为控制点,沿层去灰属性作为约束控制面,绘制储层的砂体厚度图。该灰质概率体的砂岩储层去灰质预测方法突出了储层的特征,提高去灰质浊积岩描述精度,解决了薄层浊积岩砂体描述的地质难题。

    像素级高保真实时纵向曲线抽稀算法

    公开(公告)号:CN119313771A

    公开(公告)日:2025-01-14

    申请号:CN202310855803.4

    申请日:2023-07-13

    Abstract: 本发明提供一种像素级高保真实时纵向曲线抽稀算法,该像素级高保真实时纵向曲线抽稀算法包括:步骤1,选取目标井,创建测井柱状图,在柱状图中添加数据道;步骤2,获取测井柱状图中测井曲线道的绘制参数;步骤3,当需要进行抽稀时,从测井曲线道的在当前视口最上面像素开始遍历,纵向向下处理每一个像素距离的测井曲线抽稀;步骤4,将数据点加入到输出曲线数据中;步骤5,将所有数据点都处理完毕,则当前视口的测井曲线数据创建完毕,根据输出数据绘制曲线。该像素级高保真实时纵向曲线抽稀算法绘制速度得到了显著提升,有效的保证了曲线形态,思路简洁、运算速度快,可完全满足实时绘制的运算速度要求。

Patent Agency Ranking