• 主题
高级搜索  >
历史搜索 清空历史
首页> 中文期刊> 《科学技术与工程》 >基于深度学习岩性分类的研究与应用

基于深度学习岩性分类的研究与应用

         
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

岩性预测,特别是致密储层的岩性预测,是石油勘探的一项重要基础任务,因为岩性数据对于地层对比、沉积模拟等地质工作的分析是必不可少的。因此,如何获取可靠的岩性信息逐渐成为地球科学研究的热点。面对大部分老油田由于仪器、井历史长等原因使得部分测井数据丢失,特别是岩性数据;新开发生产井,钻井取心需要投入巨大的成本、人力和物力;这些给油田的开发带来了巨大困难。为此,建立了一种基于深度学习神经网络预测岩性的新方法。对于油田的测井数据不需要经过人为预处理,直接作为神经网络的输入变量以得到对应储层的岩性数据。通过构建全连接神经网络,以鄂尔多斯盆地油田致密储层为研究对象,进行5种岩性的识别并与真实值对比。研究结果表明:该方法不需要建立解释模型和复杂的计算过程,有着较好的适应性和预测精度。通过对中国实际案例的分析,验证了该方法的有效性。其岩性识别精度(71%)满足商业应用要求(70%)。因此,该方法可替代当前的传统方法。

著录项

相似文献

  • 中文文献
  • 外文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号