期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到7篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
基于数据与模型联合驱动的波阻抗反演方法
1
作者 桑文镜 袁三一 +3 位作者 丁智强 于越 刘浩杰 韩智颖 《地球物理学报》 SCIE EI CAS CSCD 北大核心 2024年第2期696-710,共15页
井插值初始模型为基于模型的反演提供的低频信息往往不够准确,导致该模型驱动方法容易出现较大的波阻抗预测误差且建模效率较低.为缓解这些问题,本文利用数据驱动的深度学习反演更加擅长预测低频阻抗的优势,提出一种基于数据与模型联合... 井插值初始模型为基于模型的反演提供的低频信息往往不够准确,导致该模型驱动方法容易出现较大的波阻抗预测误差且建模效率较低.为缓解这些问题,本文利用数据驱动的深度学习反演更加擅长预测低频阻抗的优势,提出一种基于数据与模型联合驱动的波阻抗反演方法.该方法联合地震和测井等数据,先后开展数据驱动和模型驱动的波阻抗反演.首先,数据驱动部分使用井旁地震记录、测井导出的波阻抗曲线以及井插值低频阻抗曲线,搭建以双向门控递归单元为主要模块的波阻抗智能预测网络.其次,该网络预测的波阻抗的低频分量作为数据驱动初始模型,替代井插值初始模型而参与模型驱动部分.最后,模型驱动部分在地震数据匹配和数据驱动初始模型的共同约束下开展基于模型的反演,获得最终的波阻抗结果.合成数据和实际数据测试表明,本文方法相比于单一的数据驱动或模型驱动方法能获得更高分辨率和更高精度的波阻抗反演结果,从而为后续储层预测提供可靠的弹性参数分布. 展开更多
关键词 数据与模型联合驱动 波阻抗反演 初始模型 井震联合 双向门控递归单元
下载PDF
基于数据分布域变换与贝叶斯神经网络的渗透率预测及不确定性估计
2
作者 李明轩 韩宏伟 +2 位作者 刘浩杰 桑文镜 袁三一 《地球物理学报》 SCIE EI CAS CSCD 北大核心 2023年第4期1664-1680,共17页
渗透率是储层评价和油气藏开发的关键参数.传统测井方法与常规机器学习方法估算的渗透率都是固定值.但由于测井数据本身存在噪声,渗透率的预测结果可能受到噪声的影响出现测量性的随机误差(即任意不确定性);同时,当测试数据与训练数据... 渗透率是储层评价和油气藏开发的关键参数.传统测井方法与常规机器学习方法估算的渗透率都是固定值.但由于测井数据本身存在噪声,渗透率的预测结果可能受到噪声的影响出现测量性的随机误差(即任意不确定性);同时,当测试数据与训练数据存在差异时,机器学习模型在预测渗透率时可能出现模型参数的不确定性(即认知不确定性).为实现渗透率的准确预测并量化两种不确定性对结果的影响,本文提出基于数据分布域变换和贝叶斯神经网络同时实现渗透率预测及其不确定性的估计.提出方法主要包括两个部分:一部分是不同域数据分布的相互转换,另一部分是基于贝叶斯理论的神经网络渗透率建模预测和不确定性估计.由于贝叶斯神经网络存在数据分布的假设,当标签的概率分布与网络的分布保持一致时,贝叶斯神经网络可以更好的学习到数据之间的关系.因此通过寻找一个函数将一个原始域的渗透率标签转换为目标域的与渗透率有关的变量(我们称为目标域渗透率),使得该变量符合贝叶斯神经网络的分布假设.我们使用贝叶斯神经网络预测目标域渗透率以及任意不确定性和认知不确定性.随后,通过分布域的逆变换,我们将目标域渗透率还原回原始域渗透率.应用本文方法到某油田的18口井的测井数据中,使用16口井的数据进行训练,2口井进行测试.测试井的预测渗透率与真实渗透率基本一致.同时,任意不确定性的预测结果提供了渗透率预测值受到的测井数据噪声影响的位置.认知不确定的预测结果说明数据量少的位置具有更高的认知不确定性.我们提出的这一流程不仅显示了在储层表征方面的巨大潜力,同时可以降低测井解释时的风险. 展开更多
关键词 贝叶斯神经网络 渗透率预测 数据分布域变换 人工智能 不确定性估计
下载PDF
强抑制性水基钻井液的室内实验研究 被引量：7
3
作者 付世豪 许明标 +2 位作者 桑文镜 胡棚杰 吴亚迪 《当代化工》 CAS 2017年第12期2566-2569,共4页
由于页岩地层水化作用较强,地层极易水化膨胀导致井壁不稳定,大量岩屑分散在钻井液中,引起钻井液流变性能的剧烈变化,井段容易发生井漏、垮塌、缩径等问题。针对这种情况,研发出一种抗高温抗污染的强抑制性水基钻井液体系。通过评价胺... 由于页岩地层水化作用较强,地层极易水化膨胀导致井壁不稳定,大量岩屑分散在钻井液中,引起钻井液流变性能的剧烈变化,井段容易发生井漏、垮塌、缩径等问题。针对这种情况,研发出一种抗高温抗污染的强抑制性水基钻井液体系。通过评价胺类页岩抑制剂UHIB-B和硅酸盐抑制剂Y1,两者的协同作用提高钻井液的抑制性能,并保持着较好的流变性能。该体系抗温达到了120℃,API滤失量小于3 mL,HTHP滤失量小于9 mL,测试其封堵性能时测得钻井液体系侵入沙床深度为1.8 cm,在膨润土以及无机盐的污染下,仍然保持着较好的流变性能,钻井液体系的岩屑回收率达98%,钻井液的防膨率达85%。试验表明,该套体系具有良好的流变性、抑制性及封堵性,抗温性能和抗侵能力优良,适宜在高水敏和易污染等复杂地层中使用。 展开更多
关键词 水化作用 水基钻井液 强抑制性 岩屑回收率 性能评价
下载PDF
用于水基钻井液的页岩抑制剂研究进展 被引量：7
4
作者 付世豪 桑文镜 +1 位作者 胡棚杰 吴亚迪 《广州化工》 CAS 2016年第24期18-20,共3页
钻井过程中使用的水基钻井液费用低且对环境友好,但水基钻井液是以水作为连续相,页岩地层遇水极易水化膨胀,水基钻井液中的页岩抑制剂对井壁稳定起着重要的作用。本文主要分无机页岩抑制剂和有机页岩抑制剂两大类介绍国内的水基钻井液... 钻井过程中使用的水基钻井液费用低且对环境友好,但水基钻井液是以水作为连续相,页岩地层遇水极易水化膨胀,水基钻井液中的页岩抑制剂对井壁稳定起着重要的作用。本文主要分无机页岩抑制剂和有机页岩抑制剂两大类介绍国内的水基钻井液抑制剂种类并分析其作用机理,分别介绍了胺类、沥青类、聚合醇类、腐殖酸类、无机盐类、无机正电胶类页岩抑制剂。未来的水基钻井液页岩抑制剂向着无毒、无荧光、抗盐和抗高温等方向发展。 展开更多
关键词 水基钻井液 页岩抑制剂 页岩地层 水化膨胀 综述
下载PDF
基于半监督学习的井震联合储层横向孔隙度预测方法 被引量：3
5
作者 韩宏伟 刘浩杰 +3 位作者 桑文镜 魏国华 韩智颖 袁三一 《地球物理学报》 SCIE EI CAS CSCD 北大核心 2022年第10期4073-4086,共14页
传统地震储层预测技术一般基于弹性参数反演和岩石物理建模的级联流程实现储层孔隙度预测,其预测精度受到波动理论和岩石物理理论的近似假设、初始模型和二次反演累积误差等因素的影响.为缓解这些问题,本文提出了一种基于双向门控递归... 传统地震储层预测技术一般基于弹性参数反演和岩石物理建模的级联流程实现储层孔隙度预测,其预测精度受到波动理论和岩石物理理论的近似假设、初始模型和二次反演累积误差等因素的影响.为缓解这些问题,本文提出了一种基于双向门控递归单元神经网络的半监督学习井震联合孔隙度预测方法,实现从地震数据直接预测储层横向孔隙度.通过少量的地震测井样本标签对和多目标函数约束建立智能化多尺度多信息融合孔隙度预测模型,实现地震数据到孔隙度,孔隙度再到生成地震数据的闭环映射.此外,在网络模型每次迭代更新的过程中随机引入非井旁地震道参与网络训练,非井旁地震道的波形匹配能在一定程度上保证井间孔隙度的预测精度.模型数据和实际数据测试结果表明,本文提出的方法相比于有监督学习孔隙度预测方法能进一步提高储层孔隙度的预测准确性和横向连续性,获得较为可靠的储层物性参数的空间分布. 展开更多
关键词 半监督学习 孔隙度预测 井震联合 双向门控递归单元
下载PDF
基于样本选取和多种质控的地震层位智能拾取
6
作者 于越 桑文镜 +2 位作者 袁三一 陈帅 王尚旭 《石油物探》 CSCD 北大核心 2022年第5期842-855,共14页
地震层位拾取是构造解释、地震反演和储层预测等工作的基础。现有的地震层位智能拾取方法常常没有充分利用地震数据及属性对训练样本选取、网络建模和结果分析等进行质控。为此,提出一种基于样本选取和多种质控的地震层位智能拾取方法... 地震层位拾取是构造解释、地震反演和储层预测等工作的基础。现有的地震层位智能拾取方法常常没有充分利用地震数据及属性对训练样本选取、网络建模和结果分析等进行质控。为此,提出一种基于样本选取和多种质控的地震层位智能拾取方法。该方法采用一种考虑数据集生成方向、训练样本尺度大小和标签错误程度的样本选取策略实现基于U型神经网络的层位智能拾取,并引入层拉平、层位闭合、等t_(0)图、地质导向相位切片和均方根振幅切片等地球物理质控手段检验样本选取策略的合理性,指导构建最佳的智能拾取模型,从而实现了多套目的层位的同时拾取,保证了层位拾取的可靠性与合理性。三维裂缝物理模拟数据和三维实际数据试验结果表明:①沿地质结构特征复杂方向准备的地震样本与标签,所建立的层位智能解释模型刻画断层细节和裂缝内幕的能力更强;②使用大尺度的地震剖面训练网络拾取层位效果更好,刻画层位细节更丰富,一定程度上能减少地质假象的产生;③在层位上下15 ms范围内标签随机出错20%时,U型神经网络仍然能够准确拾取目的层位;④样本尺度大小较数据集生成方向更能影响层位智能拾取模型的泛化性。 展开更多
关键词 层位拾取 样本选取 地球物理质控 地震解释 地震属性 人工智能
下载PDF
基于非线性定向降维的k近邻致密砂岩储层含气性预测方法
7
作者 宋朝辉 桑文镜 +1 位作者 袁三一 王尚旭 《Applied Geophysics》 SCIE 2024年第2期221-231,418,共12页
本文提出利用全连接人工神经网络(FANN)进行非线性定向降维并结合k近邻方法分类的致密砂岩储层含气性预测方法。k近邻方法能够依据样本间相似性,针对性地选取对应的部分训练样本建立局部模型,但缺乏含气敏感属性的提取能力,并面临“维... 本文提出利用全连接人工神经网络(FANN)进行非线性定向降维并结合k近邻方法分类的致密砂岩储层含气性预测方法。k近邻方法能够依据样本间相似性,针对性地选取对应的部分训练样本建立局部模型,但缺乏含气敏感属性的提取能力,并面临“维度灾难”问题。由于样本中的含气性特征虽然是重要特征,但不一定是主要特征。线性降维方法难以准确提取这些特征。我们通过训练一个合理搭建的FANN并输出其中间低维特征实现对训练样本和待预测样本的非线性定向降维。这种做法既能够增加样本的可分性,同时避免了通过样本低维空间中的最大差异实现降维而改变样本固有分布特征的问题。另外,k近邻方法对降维数据进行分类,还等效于用k近邻方法替代FANN中具有线性分类作用的深层结构,有利于白化FANN的黑箱问题。本方法在具体的物理场景中挖掘机器学习算法的物理内涵,提高了智能方法的可解释性。将本方法应用在实际数据中,预测结果显示本方法能够一定程度上挖掘局部波形属性中蕴含的含气敏感信息,实现小范围的致密砂岩储层精确刻画。 展开更多
关键词 k近邻方法 致密砂岩储层预测 非线性定向降维 可解释性
下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
使用帮助 返回顶部