發(fā)布時間：2018-05-02 14:15

  本文選題：融合算法 + 測井曲線��； 參考：《浙江大學(xué)》2015年碩士論文

【摘要】：大慶長垣油田近幾年積累了大量的測井曲線,如何高效、快速和經(jīng)濟的從諸多的測井曲線中來分析油層沉積環(huán)境,并指導(dǎo)油氣勘探和油田開發(fā),智能化測井曲線識別無疑是一種很好的方法。對于識別研究區(qū)塊的沉積環(huán)境、沉積相、沉積微相和水淹層的分布情況具有重要意義。本文通過研究分析測井曲線沉積微相和水淹層的特點及測井曲線響應(yīng)特征之間的關(guān)系。結(jié)合提取的特征值建立了數(shù)據(jù)庫,對Rs-LVQ算法進行了改進,構(gòu)建了Rs-Ga-LVQ融合算法。并對數(shù)據(jù)庫中20口取芯資料的340個沉積微相小層和550個薄差水淹層進行識別,結(jié)果顯示改進的算法識別率最高。其中261個沉積微相小層與真實結(jié)果一致；407個水淹層小層與實際結(jié)果一致,達到比較理想的效果。并證明了Rs-Ga-LVQ融合算法應(yīng)用于測井曲線識別的可行性,且優(yōu)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.
【學(xué)位授予單位】：浙江大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2015
【分類號】：P631.81;TE319

【參考文獻】

相關(guān)期刊論文 前10條

1 王艷華;;SOM研究的若干新進展[J];福建電腦;2013年11期

2 邵偉明;田學(xué)民;;基于快速留一交叉驗證法的在線遞推最小二乘支持向量機建模方法[J];青島科技大學(xué)學(xué)報(自然科學(xué)版);2012年05期

3 于化龍;倪軍;徐森;;基于留一交叉驗證的類不平衡危害預(yù)評估策略[J];小型微型計算機系統(tǒng);2012年10期

4 葉重元;黃永東;;小波閾值去噪算法的新改進[J];計算機工程與應(yīng)用;2011年12期

5 趙軍龍;李綱;麻平社;鞏澤文;蒙靈飛;李甘;;神經(jīng)網(wǎng)絡(luò)在石油測井解釋中的應(yīng)用綜述[J];地球物理學(xué)進展;2010年05期

6 羅如學(xué);張悟移;;基于MATLAB運算的粗糙集和層次分析法供應(yīng)商選擇研究[J];包裝工程;2010年09期

7 羅志增;李文國;;基于小波變換和盲信號分離的多通道肌電信號處理方法[J];電子學(xué)報;2009年04期

8 薛偉;關(guān)福宏;陳良章;孫曉瑋;;基于一種新的小波閾值函數(shù)的雷達信號去噪[J];計算機仿真;2008年08期

9 蘇建元;;計算智能主要算法的比較與融合[J];中國電子科學(xué)研究院學(xué)報;2007年01期

10 許少華,劉揚,何新貴;基于過程神經(jīng)網(wǎng)絡(luò)的水淹層自動識別系統(tǒng)[J];石油學(xué)報;2004年04期

相關(guān)博士學(xué)位論文 前1條

1 房文靜;測井多尺度分析方法及應(yīng)用研究[D];中國石油大學(xué);2007年

相關(guān)碩士學(xué)位論文 前6條

1 劉斌;基于粗糙集LVQ神經(jīng)網(wǎng)絡(luò)有桿泵故障診斷研究[D];東北石油大學(xué);2014年

2 趙月嬌;基于生物地理優(yōu)化算法的神經(jīng)網(wǎng)絡(luò)故障診斷方法研究[D];東北石油大學(xué);2013年

3 趙羅臣;BP神經(jīng)網(wǎng)絡(luò)在測井解釋不同巖性識別中的應(yīng)用研究[D];浙江大學(xué);2012年

4 郭銳;測井數(shù)據(jù)的小波分析方法[D];吉林大學(xué);2011年

5 石艷麗;基于遺傳BP神經(jīng)網(wǎng)絡(luò)的證券市場預(yù)測[D];長春理工大學(xué);2008年

6 朱志誠;基于多小波和Bandelet變換的圖像去噪方法[D];國防科學(xué)技術(shù)大學(xué);2006年

，

本文編號：1834250