深度学习在煤层气测井解释中的应用研究

发布时间：2021-04-04 13:39

　　将常规储层测井解释方法应用于煤层气储层测井解释,其效果存在一定的折扣。为了改善传统方法在煤层气测井解释中出现的问题,将深度学习的思想引入测井解释,提出受限玻尔兹曼机的数量、受限玻尔兹曼机隐含层神经元数量、分类阈值的确定方法,利用深度信念网络进行煤层识别及煤层气含气量的预测。实验结果表明:首先,在交会图法效果不好的情况下,通过深度信念网络进行煤层识别,继而对识别结果进行适当校正,煤层识别成功率可达到90%以上;其次,经过多种方法的对比,利用深度信念网络进行煤层气含气量预测的效果,要好于BP神经网络、多元回归统计以及Langmuir方程三种方法。深度学习改进了传统的BP神经网络,具备更强的复杂函数泛化能力,适用于煤层气测井解释,并具有进一步的推广价值。 

【文章来源】：地质与勘探. 2020,56(06)北大核心CSCD

【文章页数】：8 页

【部分图文】：

受限玻尔兹曼机的结构

如图2所示，根据已有煤层分布资料的HM1井的煤层分布位置与9条常规测井曲线之间的对应关系可知，对煤层响应比较明显的测井曲线有自然伽马、微球聚焦、声波、中子以及密度测井曲线。利用上述5条测井曲线可以做出几组用于煤层识别的交会图（图3～5）。图3 中子-自然伽马交会图

中子-自然伽马交会图

【参考文献】：
期刊论文
[1]松科二井东孔营城组火山岩测井响应特征及岩性评价[J]. 赵金环,邹长春,王稳石,张小环,朱永宜,张金昌,张恒春,丁娱娇,林峰,秦宇星,周海,孙文龙.  中国地质. 2019(05)
[2]沁水盆地柿庄北区块深部煤储层特征测井评价研究[J]. 郑贵强,杨德方,李小明,毋学平.  煤炭科学技术. 2019(06)
[3]老厂矿区煤体结构测井判识与分布规律[J]. 张俊杰,赵俊龙.  地质与勘探. 2019(02)
[4]沁水煤田MB区块煤层气测井技术研究与应用[J]. 许方宁,徐波.  内蒙古煤炭经济. 2019(04)
[5]测井预测煤层气含量及分布规律——以山西省沁水煤田为例[J]. 梁亚林,原文涛.  物探与化探. 2018(06)
[6]BP神经网络算法改进综述[J]. 尤晓东,苏崇宇,汪毓铎.  民营科技. 2018(04)
[7]煤层气“甜点”测井判别与产量预测——以沁水盆地柿庄南区块为例[J]. 余杰,秦瑞宝,梁建设,孙建孟,魏晓晗,黄涛.  新疆石油地质. 2017(04)
[8]鄂尔多斯盆地子洲-清涧地区山西组山23段铀、钍、钾测井曲线的分形特征及其沉积物源意义[J]. 付勋勋,赵伟波,虎建玲,孙磊,贾丽,闫小雄,漆亚玲.  地质与勘探. 2017(03)
[9]煤层气地球物理测井研究现状及前景展望[J]. 乔雨朋,邵先杰,霍梦颖,谢启红,张珉,时培兵.  断块油气田. 2016(02)
[10]煤层含气量测井解释方法参数选择及适用性[J]. 唐颖,李乐忠,蒋时馨,张滨海,仲米虹,孙玉红.  煤田地质与勘探. 2015(04)

硕士论文
[1]煤层含气量的测井评价技术[D]. 王志文.吉林大学 2009



本文编号：3118136