基于测井图像的机器学习识别裂缝并预测裂缝孔隙度

发布时间：2021-12-28 17:35

　　如今世界经济快速发展的情况下,对能源的需求量也日益增多。常规油气田趋于开采殆尽,石油勘探行业必须向复杂致密油气藏进军。火成岩储层作为国内石油资源的重要组成部分,其成分及结构复杂、评价难度大,已经成为现在研究的热点。火成岩储层的储能与裂缝息息相关,裂缝可以作为流体通道又可以作为油气的储集空间。准确的识别裂缝,预测裂缝的孔隙度是评价火成岩裂缝性油气藏的关键一环。为解决评价火成岩裂缝性储层的难题,本文以冀东地区黄骅坳陷南堡5号构造的火山岩为研究对象,研究裂缝的计算机自动识别和裂缝孔隙度的预测。火山岩储层的裂缝孔隙度与裂缝密度、开度和岩性息息相关,因此需要首先识别岩性。本文采用K-近邻（K-nearest neighbor,KNN）法划分火山岩岩性,对比BP神经网络、支持向量机（SVM）,KNN法划分火山岩岩性准确率高,97块火山岩样本测试准确率在90%。裂缝的自动识别方面,以电成像数据为切入点。电成像数据纵向分辨率高包含的地层信息更为丰富,但传统人机交互识别裂缝工作量大、效率低。针对此问题本文提出条件生成对抗网络（conditional generation countermeasure n... 

【文章来源】：吉林大学吉林省 211工程院校 985工程院校 教育部直属院校

【文章页数】：73 页

【学位级别】：硕士

【部分图文】：

南堡凹陷深层火山岩天然气藏分析研究区的录井、岩心和薄片资料得出：南堡5号构造目的层段火成岩分

技术路线

南堡5号构造火山岩全直径岩心特征

【参考文献】：
期刊论文
[1]基于成像测井的裂缝智能识别新方法[J]. 李冰涛,王志章,孔垂显,蒋庆平,王伟方,雷祥辉.  测井技术. 2019(03)
[2]卷积神经网络在岩性识别中的应用[J]. 陈钢花,梁莎莎,王军,隋淑玲.  测井技术. 2019(02)
[3]基于粒子群算法优化卷积神经网络结构[J]. 白燕燕,曹军,张福元,彭心怡.  内蒙古大学学报(自然科学版). 2019(01)
[4]裂缝性储层分级评价中的卷积神经网络算法研究与应用[J]. 吴正阳,莫修文,柳建华,胡国山.  石油物探. 2018(04)
[5]一种提高储层裂缝识别准确度的方法[J]. 潘保芝,刘文斌,张丽华,郭宇航,阿茹罕.  吉林大学学报(地球科学版). 2018(01)
[6]火山岩储层微观孔隙结构分类评价——以准噶尔盆地东部西泉地区石炭系火山岩为例[J]. 马尚伟,罗静兰,陈春勇,何贤英,代静静,许学龙,汪冲.  石油实验地质. 2017(05)
[7]基于人工智能机器视觉技术的古建筑表层损伤检测[J]. 赵鹏,赵雪峰,赵庆安,李生元,方腾伟,赵鑫如.  物联网技术. 2017(09)
[8]黄骅坳陷枣园地区火成岩储层裂缝特征研究[J]. 孟庆龙,滕菲,陶自强,朱红云,张士浩,张会卿.  地质调查与研究. 2017(03)
[9]改进分水岭算法在成像测井图砾石识别中的应用[J]. 刘文斌,潘保芝,张丽华,栗猛.  西安石油大学学报(自然科学版). 2017(01)
[10]南堡5号构造火成岩地质特征及识别技术[J]. 高斌,付兴深,杨国涛,李玉存,张敬艺.  特种油气藏. 2016(06)

博士论文
[1]电成像测井处理及解释方法研究[D]. 赖富强.中国石油大学 2011

硕士论文
[1]基于深度学习的桥梁裂缝检测算法研究[D]. 寇潇.西安电子科技大学 2017
[2]火山岩储层缝洞测井自动识别和定量评价[D]. 刘文斌.吉林大学 2017
[3]基于两阶段卷积神经网络的路面裂缝识别方法研究[D]. 赵任华.河北工业大学 2015
[4]裂缝性岩石声波参数实验研究及裂缝性储层测井评价[D]. 曹飞.吉林大学 2015
[5]成像测井裂缝识别与提取及裂缝参数计算方法研究[D]. 张程恩.吉林大学 2012



本文编号：3554454