当前位置:主页 > 科技论文 > 地质论文 >

主成分分析与模糊识别在岩性识别中的应用

发布时间:2018-02-17 02:46

  本文关键词: 模糊识别 主成分分析 岩性识别 测井参数 苏里格气田 出处:《岩性油气藏》2017年05期  论文类型:期刊论文


【摘要】:表征复杂岩性的测井曲线之间的相似度较高,在岩性识别过程中存在着大量信息冗余,造成测井曲线具有一定的模糊性与相关性,干扰识别过程,导致识别效果不理想。以苏里格气田苏东41-33区块马家沟组五段碳酸盐岩测井数据为例,采用一种基于主成分分析与模糊识别相结合的方法解决了这一难题。该方法首先提取声波时差(AC)、自然伽马(GR)、光电吸收截面指数(P_e)、补偿中子(CNL)、补偿密度(DEN)、深侧向电阻率(R_(LLD))等对岩性变化反映比较敏感的测井曲线参数,通过主成分分析构建出3个综合变量Y_1,Y_2和Y_3,再采用模糊识别方法对研究区的岩性进行识别。与传统识别方法相比,主成分分析与模糊识别相结合的岩性识别方法能有效消除特征曲线间的模糊性与相关性,并使岩性识别的正确率达到86%,是一种实用且有效的识别复杂岩性的方法,具有一定的推广和应用价值。
[Abstract]:The similarity between log curves representing complex lithology is high, and there is a large amount of information redundancy in lithology recognition, which results in the log curves having certain fuzziness and correlation, which interferes with the recognition process. The result is that the recognition effect is not satisfactory. Taking the carbonate logging data of the fifth member of Majiagou formation in Suodong 41-33 block of Sulige gas field as an example, A method based on principal component analysis (PCA) and fuzzy recognition is used to solve this problem. The method firstly extracts acoustic moveout (AC), natural gamma ray (RG), optoelectronic absorption cross section index (PSP), compensation neutron (CNL), compensation density (DEN), deep lateral electricity (DEC). The resistance rate of RX / LLDX and other parameters of logging curves are sensitive to lithologic changes. Through principal component analysis, three synthetic variables Y1C / Yak _ 2 and Ys _ 3 were constructed, and then the lithology of the study area was identified by fuzzy recognition method. Compared with the traditional identification method, The lithology recognition method combined with principal component analysis and fuzzy recognition can effectively eliminate the ambiguity and correlation between characteristic curves, and make the accuracy of lithology recognition reach 86. It is a practical and effective method to identify complex lithology. Has certain promotion and application value.
【作者单位】: 中国地质大学(北京)数理学院;北京中地润德石油科技有限公司;
【基金】:国家自然科学基金项目“基于正交匹配追踪算法的相敏关联层析研究”(编号:29932016006)与“异常高压致密砂砾岩油藏衰竭式开采渗流规律研究”(编号:51674227)联合资助
【分类号】:P618.13;P631.81

【相似文献】

相关期刊论文 前10条

1 陈溧;关于综合岩性识别和油气评价的一种设想[J];石油物探;1985年01期

2 孟凡顺;徐会君;朱焱;黄彦铭;;基于主成分分析的距离判别分析方法在岩性识别中的应用[J];石油工业计算机应用;2011年01期

3 刘倩茹;薛林福;潘保芝;白烨;张程恩;;梨树断陷砂砾岩测井岩性识别[J];测井技术;2013年03期

4 张万良;遥感岩性识别研究的发展趋势——遥感与航空放射性信息集成[J];矿物岩石地球化学通报;2005年01期

5 赵杰;李春华;;基于神经网络的两种岩性识别方法的研究[J];现代电子技术;2009年22期

6 田玉昆;周辉;袁三一;;基于马尔科夫随机场的岩性识别方法[J];地球物理学报;2013年04期

7 张治国,杨毅恒,夏立显;自组织特征映射神经网络在测井岩性识别中的应用[J];地球物理学进展;2005年02期

8 宗金峰;;最大隶属优势准则在测井岩性识别中的应用[J];河北地质学院学报;1988年01期

9 李剑峰,赵英俊,刘德长,付锦;灵泉盆地多源地学信息综合岩性识别方法探讨[J];国土资源遥感;1999年02期

10 王淑盛,徐正光,刘黄伟,王志良,史立峰;改进的K近邻方法在岩性识别中的应用[J];地球物理学进展;2004年02期

相关会议论文 前6条

1 郭瑞华;曹庆年;程国建;;基于粒子群优化的最小二乘支持向量机在岩性识别中的应用[A];第十一届中国青年信息与管理学者大会论文集[C];2009年

2 李新虎;;基于不同测井曲线参数集的支持向量机岩性识别对比[A];陕西地球物理文集(十)--资源与灾害地球物理[C];2011年

3 尚林阁;李舟波;刘四新;柳孟文;;变质岩系储集层的岩性识别方法[A];1992年中国地球物理学会第八届学术年会论文集[C];1992年

4 李继安;;人工智能神经网络在岩性识别、孔隙度和渗透率预测中的应用——以十红滩铀矿床为例[A];陕西地球物理文集(九)[C];2010年

5 潘保芝;吴海波;李舟波;;松辽盆地火成岩岩性识别方法与储集参数评价[A];中国地球物理.2003——中国地球物理学会第十九届年会论文集[C];2003年

6 周黎明;邓荣来;;灰色关联度方法的火成岩岩性识别[A];中国地球物理学会年刊2002——中国地球物理学会第十八届年会论文集[C];2002年

相关博士学位论文 前2条

1 牟丹;辽河盆地中基性火成岩测井岩性识别方法研究[D];吉林大学;2015年

2 李春山;X射线荧光岩屑识别技术研究[D];西北大学;2010年

相关硕士学位论文 前10条

1 石振杰;基于面向对象的遥感技术岩性识别研究[D];昆明理工大学;2016年

2 张洪江;常规、成像测井等资料砂砾岩岩性识别研究[D];东北石油大学;2011年

3 邵阳;含火山岩地层测井响应分析及岩性识别技术研究[D];大庆石油学院;2010年

4 马晓龙;扶新隆起带扶余油层测井资料岩性识别及岩相划分[D];东北石油大学;2011年

5 王鑫;东营北带深层砂砾岩测井层序对比与岩性识别研究[D];中国石油大学;2010年

6 关涛;砂砾岩岩性识别方法研究[D];吉林大学;2013年

7 盛宇宏;基于IDL的岩性识别[D];中国地质大学(北京);2010年

8 张磊;常用数学物理方法在测井解释中的应用[D];长江大学;2012年

9 相爱芹;短波红外技术在矿物填图与遥感岩性识别中的应用研究[D];中南大学;2007年

10 韩科龙;测井自动分层方法研究及其在岩性识别中的应用[D];中国地质大学(北京);2011年



本文编号:1517036

资料下载
论文发表

本文链接:https://www.wllwen.com/kejilunwen/diqiudizhi/1517036.html


Copyright(c)文论论文网All Rights Reserved | 网站地图 |

版权申明:资料由用户21d23***提供,本站仅收录摘要或目录,作者需要删除请E-mail邮箱bigeng88@qq.com