融合算法在测井曲线识别中的应用研究
本文选题:融合算法 + 测井曲线 ; 参考:《浙江大学》2015年硕士论文
【摘要】:大庆长垣油田近几年积累了大量的测井曲线,如何高效、快速和经济的从诸多的测井曲线中来分析油层沉积环境,并指导油气勘探和油田开发,智能化测井曲线识别无疑是一种很好的方法。对于识别研究区块的沉积环境、沉积相、沉积微相和水淹层的分布情况具有重要意义。本文通过研究分析测井曲线沉积微相和水淹层的特点及测井曲线响应特征之间的关系。结合提取的特征值建立了数据库,对Rs-LVQ算法进行了改进,构建了Rs-Ga-LVQ融合算法。并对数据库中20口取芯资料的340个沉积微相小层和550个薄差水淹层进行识别,结果显示改进的算法识别率最高。其中261个沉积微相小层与真实结果一致;407个水淹层小层与实际结果一致,达到比较理想的效果。并证明了Rs-Ga-LVQ融合算法应用于测井曲线识别的可行性,且优于Rs-LVQ融合算法。
[Abstract]:Daqing Changyuan Oilfield has accumulated a large number of logging curves in recent years. How to efficiently, quickly and economically analyze reservoir sedimentary environment from many logging curves, and guide oil and gas exploration and oilfield development, Intelligent logging curve recognition is undoubtedly a good method. It is of great significance to identify the sedimentary environment, sedimentary facies, sedimentary microfacies and the distribution of water-flooded layers in the study block. In this paper, the characteristics of sedimentary microfacies and water-flooded layers in log curves and the relationship between the response characteristics of logging curves are analyzed. The database is established based on the extracted eigenvalues, the Rs-LVQ algorithm is improved, and the Rs-Ga-LVQ fusion algorithm is constructed. The 340 sedimentary microfacies layers and 550 thin and differential water-flooded layers of 20 coring data in the database are identified. The results show that the improved algorithm has the highest recognition rate. Of these 261 sedimentary microfacies layers are consistent with the true results; 407 water flooded layers are consistent with the actual results and the results are satisfactory. It is proved that Rs-Ga-LVQ fusion algorithm is more feasible than Rs-LVQ fusion algorithm in logging curve recognition.
【学位授予单位】:浙江大学
【学位级别】:硕士
【学位授予年份】:2015
【分类号】:P631.81;TE319
【参考文献】
相关期刊论文 前10条
1 王艳华;;SOM研究的若干新进展[J];福建电脑;2013年11期
2 邵伟明;田学民;;基于快速留一交叉验证法的在线递推最小二乘支持向量机建模方法[J];青岛科技大学学报(自然科学版);2012年05期
3 于化龙;倪军;徐森;;基于留一交叉验证的类不平衡危害预评估策略[J];小型微型计算机系统;2012年10期
4 叶重元;黄永东;;小波阈值去噪算法的新改进[J];计算机工程与应用;2011年12期
5 赵军龙;李纲;麻平社;巩泽文;蒙灵飞;李甘;;神经网络在石油测井解释中的应用综述[J];地球物理学进展;2010年05期
6 罗如学;张悟移;;基于MATLAB运算的粗糙集和层次分析法供应商选择研究[J];包装工程;2010年09期
7 罗志增;李文国;;基于小波变换和盲信号分离的多通道肌电信号处理方法[J];电子学报;2009年04期
8 薛伟;关福宏;陈良章;孙晓玮;;基于一种新的小波阈值函数的雷达信号去噪[J];计算机仿真;2008年08期
9 苏建元;;计算智能主要算法的比较与融合[J];中国电子科学研究院学报;2007年01期
10 许少华,刘扬,何新贵;基于过程神经网络的水淹层自动识别系统[J];石油学报;2004年04期
相关博士学位论文 前1条
1 房文静;测井多尺度分析方法及应用研究[D];中国石油大学;2007年
相关硕士学位论文 前6条
1 刘斌;基于粗糙集LVQ神经网络有杆泵故障诊断研究[D];东北石油大学;2014年
2 赵月娇;基于生物地理优化算法的神经网络故障诊断方法研究[D];东北石油大学;2013年
3 赵罗臣;BP神经网络在测井解释不同岩性识别中的应用研究[D];浙江大学;2012年
4 郭锐;测井数据的小波分析方法[D];吉林大学;2011年
5 石艳丽;基于遗传BP神经网络的证券市场预测[D];长春理工大学;2008年
6 朱志诚;基于多小波和Bandelet变换的图像去噪方法[D];国防科学技术大学;2006年
,本文编号:1834250
本文链接:https://www.wllwen.com/kejilunwen/shiyounenyuanlunwen/1834250.html