公共文化服务平台

共 6 条记录，以下是 1-7

全选清除导出

排序方式：

多元线性逐步回归方法评价储层物性控制因素被引量：3: 2013年; 针对鄂尔多斯盆地姬塬地区长8储层,选取45口井130个样品进行详细的镜下薄片观察和X射线衍射实验,定性分析了该研究区储层的岩石学特征、孔隙类型特征及成岩类型特征,探讨了面孔率成因控制因素,描述为沉积因素、成岩因素两大类13个因素.利用多元线性逐步回归方法对面孔率与诸多因素相关性进行分析讨论,分别建立了由1～7个主控因素控制的线性回归方程,并给出了相应的地质解释.最后,对所建立的回归方程进行了实际应用检验.结果表明,所建立的回归方程预测面孔率值与实测面孔率值拟合情况较好,可以用来预测储层质量.; 唐俊王琪廖朋郝乐伟田兵; 关键词：储层物性

灰色GM(1,n)模型在孔隙度预测中的应用——以鄂尔多斯盆地姬塬地区长8段为例: 对姬塬地区C98井长8段(分为长8,长8小层)储层岩心分析孔隙度数据进行筛选、处理,且等间距均值化取值作为特征序列;然后与C98井测井资料孔隙度进行了精细的评价、匹配和拟合,利用灰色关联分析方法计算了孔隙度与各测井曲线的...; 唐俊廖朋郝乐伟田兵庞国印王琪; 关键词：灰色关联分析 GM(1,N)模型孔隙度; 文献传递

Q型聚类分析和判别分析法在储层评价中的应用——以鄂尔多斯盆地姬塬地区长8_1储层为例被引量：23: 2012年; 鄂尔多斯盆地姬塬地区长8油层组为该研究区已经探明的最为有利的油气聚集层位之一。油藏成藏机制复杂,储层非均质性强,有效储层的预测和评价难度较大。鉴于研究区这一地质特点,以鄂尔多斯盆地姬塬地区长81储层为例,选择资料丰富的20口井的小层参数数据,首先应用Q型聚类分析对该区域长81储层进行了分类,得到了评价分类指标;然后利用判别分析法对Q型聚类分析的分类指标进行了验证,综合给出了储层评价的定量化描述。结果表明,该方法与其他评价方法的结果具有一致性,在砂岩储层的评价中是可行的,有一定的应用价值。; 唐俊王琪马晓峰廖朋郝乐伟; 关键词：储层评价 Q型聚类分析长8储层

利用概率神经网络预测成岩相——以鄂尔多斯盆地合水地区延长组长8段储层为例被引量：17: 2013年; 鄂尔多斯盆地合水地区延长组长8段储层非均质性强,传统的成岩相评价方法存在局限,提出了利用概率神经网络进行成岩相预测的新方法。首先对输入项参数进行了研究,选择沉积微相和测井曲线中的自然伽马(GR)、自然电位(SP)、井径测井(CAL)、声波时差(AC)、补偿中子(CNL)、密度测井(DEN)数值作为输入层参数,然后对概率神经网络进行训练和检验,最后利用建立好的神经网络对研究区成岩相进行预测,准确率达到90%以上。该方法适用于未取心井区域的成岩相研究。; 庞国印唐俊王琪马晓峰廖朋; 关键词：概率神经网络成岩相长8储层鄂尔多斯盆地

致密砂岩储层孔隙度定量预测——以鄂尔多斯盆地姬塬地区长8油层组为例被引量：14: 2013年; 鄂尔多斯盆地姬塬地区长8油层组为典型的低孔、低渗致密砂岩储层。由于其孔隙结构复杂、非均质性强,应用传统的孔隙度计算方法误差较大,结合姬塬地区长8油层组的具体地质特征,运用广义回归神经网络模型对致密砂岩储层孔隙度进行了预测。结果表明,利用该方法预测的孔隙度与利用岩心分析的孔隙度符合率较高。该方法对于未取心井区致密砂岩储层孔隙度的研究具有很好的应用前景。; 刘畅张琴庞国印王琪廖朋马晓峰; 关键词：致密砂岩孔隙度广义回归神经网络非均质性

概率神经网络在丽水—椒江凹陷月桂峰组沉积微相识别中的应用被引量：5: 2013年; 由于海上钻井取芯较少,所以东海陆架盆地丽水—椒江凹陷古新统月桂峰组地层沉积微相识别存在局限。运用概率神经网络对研究区进行沉积微相识别。首先,通过地震相-沉积相响应分析和测井曲线主成分分析,发现研究区地震相和沉积相之间存在耦合对应关系,因此选择地震相作为概率神经网络输入项中的范畴自变量参数,同时提取出能对沉积微相区分较好的自然伽马、自然电位、声波时差、密度测井、补偿中子、井径测井曲线值作为概率神经网络输入项的数值自变量;然后,选用2 199个学习样本对神经网络进行训练,经过65次试验,搜索出变量的最佳平滑因子,建立研究区20种沉积微相类型的判别模式;最后,利用建立的神经网络对研究区沉积微相进行识别。结果表明:跟岩芯分析的结果对比,运用概率神经网络识别的结果准确率达到90%以上,该方法应用于未取芯井区域沉积微相的识别具有可行性。; 庞国印田兵王琪郝乐伟唐俊廖朋; 关键词：概率神经网络沉积微相地震相东海陆架盆地

灰色GM(1,n)模型在孔隙度预测中的应用——以鄂尔多斯盆地姬塬地区长8段为例被引量：3: 2014年; 对姬塬地区C98井长8段(分为长81,长82小层)储层岩心分析孔隙度数据进行筛选、处理,且等间距均值化取值作为特征序列;然后与C98井测井资料孔隙度进行了精细的评价、匹配和拟合,利用灰色关联分析方法计算了孔隙度与各测井曲线的邓氏灰色关联度、灰色绝对关联度、灰色相对关联度和灰色综合关联度,按照关联度大小提取了较大的7个参数:AC,CAL,CNL,DEN,GR,RT,SP作为孔隙度预测的影响因素序列;最后建立GM(1,n)模型对目的层孔隙度进行了模拟和预测,并做了残差和相对误差分析.从整体上来看,模型预测结果与钻井取心分析资料基本趋于一致,达到了纵向上预测的目的,同时也体现了灰色预测方法具有涉及数据量小、操作简便、运算速度快的特点.; 唐俊廖朋郝乐伟田兵庞国印王琪; 关键词：灰色关联分析 GM(1,N)模型孔隙度

全选清除导出

共1页<1>

中国科学院西部之光基金(Y133WQ1-WQ)