优质烃源岩定量识别方法、烃源岩类型的识别方法及装置

    公开(公告)号:CN110245450B

    公开(公告)日:2022-08-23

    申请号:CN201910552310.7

    申请日:2019-06-24

    Abstract: 本申请提供了一种优质烃源岩定量识别方法、烃源岩类型的识别方法及装置,属于岩层储量预测领域。该烃源岩类型的识别方法采用R型因子分析方法构建R型因子模型,对表征烃源岩质量的参数进行分析获取用于反映烃源岩质量的主因子。通过R型因子分析方法构建R型因子模型,用个数少于表征烃源岩质量的参数的主因子反映烃源岩质量,由于主因子是在表征烃源岩质量的参数的基础上以降维的方式获得,根据取心井段的测井数据和主因子建立的每一类烃源岩的测井参数判别方程也是间接建立在多个表征烃源岩质量的参数的基础上获得的,在非取心井段的烃源岩的类型识别上实质也是考虑到了多个表征烃源岩质量的参数,相对于仅考虑单个参数而言,识别结果更准确。

    一种碳酸盐岩气藏地层水产水量的预测方法

    公开(公告)号:CN116464437B

    公开(公告)日:2024-04-12

    申请号:CN202310441501.2

    申请日:2023-04-23

    Abstract: 本发明公开了一种碳酸盐岩气藏地层水产水量的预测方法,包括以下步骤:S1:建立碳酸盐岩气藏地层水产水量的预测模型;S2:收集原始数据,并对所述原始数据进行预处理;所述原始数据为预测模型涉及到的参数的原始数据,当预测模型未涉及渗透率时,还包括渗透率参数的原始数据;S3:根据预处理后的原始数据,对预测模型的参数进行不确定性分析以及降维处理;S4:根据降维处理的结果,构建新的碳酸盐岩气藏地层水产水量预测模型;S5:根据新的碳酸盐岩气藏地层水产水量预测模型,结合所述不确定性分析的结果,计算获得产水量预测的概率解。本发明能够更准确地获得碳酸盐岩气藏地层水产水量的概率解,为碳酸盐岩气藏勘探开发提供技术支持。

    一种碳酸盐岩气藏地层水产水量的预测方法

    公开(公告)号:CN116464437A

    公开(公告)日:2023-07-21

    申请号:CN202310441501.2

    申请日:2023-04-23

    Abstract: 本发明公开了一种碳酸盐岩气藏地层水产水量的预测方法,包括以下步骤:S1:建立碳酸盐岩气藏地层水产水量的预测模型;S2:收集原始数据,并对所述原始数据进行预处理;所述原始数据为预测模型涉及到的参数的原始数据,当预测模型未涉及渗透率时,还包括渗透率参数的原始数据;S3:根据预处理后的原始数据,对预测模型的参数进行不确定性分析以及降维处理;S4:根据降维处理的结果,构建新的碳酸盐岩气藏地层水产水量预测模型;S5:根据新的碳酸盐岩气藏地层水产水量预测模型,结合所述不确定性分析的结果,计算获得产水量预测的概率解。本发明能够更准确地获得碳酸盐岩气藏地层水产水量的概率解,为碳酸盐岩气藏勘探开发提供技术支持。

    一种致密砂岩气藏产气量预测方法

    公开(公告)号:CN116402225A

    公开(公告)日:2023-07-07

    申请号:CN202310392113.X

    申请日:2023-04-13

    Abstract: 本发明公开了一种致密砂岩气藏产气量预测方法,包括以下步骤:步骤1:对原始数据进行预处理,降维构建致密砂岩气藏产气量的预测模型;步骤2:将降维后参数与产气量实际值拟合,得到一次拟合系数;根据一次拟合系数得到一次砂岩气藏产气量的预测模型;根据一次砂岩气藏产气量的预测模型得到致密砂岩气藏的产气量预测值;步骤3:将步骤3得到的预测值与实际值再次拟合,得到二次拟合系数,根据二次拟合系数得到最终致密砂岩气藏产气量预测模型,采用最终致密砂岩气藏产气量预测模型得到致密砂岩气藏产气量预测值。本发明通过降维减少了所需参数,将降维后的预测模型进行二次拟合,进一步减小了误差,得到更高的预测精度。

    一种基于多阶深度学习法的深层固体沥青识别分类方法

    公开(公告)号:CN117710743A

    公开(公告)日:2024-03-15

    申请号:CN202311764967.2

    申请日:2023-12-19

    Abstract: 本发明公开了一种基于多阶深度学习法的深层固体沥青识别分类方法,步骤S1、获取取芯井测井数据、岩石薄片图像数据以及固体沥青反射率R,并对岩石薄片图像数据进行预处理,形成原始数据集;将原始数据集分为训练集和测试集;S2、计算深度学习值fi,然后根据固体沥青反射率R和深度学习值fi建立的固体沥青识别分类模型。S3、搭建神经网络模型,然后将训练集的数据作为输入层输入神经网络模型对模型进行训练。S4、将测试集数据输入训练后的神经网络模型中测试该模型的固体沥青识别准确率;S5、根据固体沥青识别分类模型来确定固体沥青类型。本发明通过神经网络算法完成固体沥青的识别,使得识别标准更加客观、真实、快速、准确。

    一种凝聚聚类无监督算法的流体类型识别方法

    公开(公告)号:CN113688922B

    公开(公告)日:2023-07-25

    申请号:CN202111009011.2

    申请日:2021-08-31

    Abstract: 本发明提供一种凝聚聚类无监督算法的流体类型识别方法,包括:获取储层中目标井所在区域的目标参数;计算单位孔隙体积岩石氯化盐含量阈值和含水饱和度;重新整理目标数据;判断单位孔隙体积岩石氯化盐含量是否大于单位孔隙体积岩石氯化盐含量阈值,或者含水饱和度是否大于含水饱和度阈值;若大于等于,则判断该样本点所对应的储层目标井所在区域为水层;若小于,则不为水层,则剔除水层的数据点,选取剩下的样本点作为新的数据进行预处理,加载到凝聚聚类模型进行训练并且预测;通过地质工作者的经验和专家知识分析一类数据样本点,将输出结果的伪标签转换成真实标签输出流体分类真实结果。本发明提高了流体识别效率,减少投入成本。

Patent Agency Ranking