期刊导航
期刊开放获取
河南省图书馆
退出
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
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
检索
高级检索
期刊导航
共找到
2
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:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于机器学习和测井数据的碳酸盐岩孔隙度与渗透率预测
被引量:
10
1
作者
侯贤沐
王付勇
+1 位作者
宰芸
廉培庆
《吉林大学学报(地球科学版)》
CAS
CSCD
北大核心
2022年第2期644-653,共10页
准确预测碳酸盐岩储层孔隙度和渗透率对于碳酸盐岩油气藏储层评价具有重要意义.碳酸盐岩储层裂缝与溶孔广泛发育,基于经验公式从测井曲线预测储层孔隙度和渗透率具有较大误差.以中东某碳酸盐岩油藏为研究对象,选取914块取心井岩心,测定...
准确预测碳酸盐岩储层孔隙度和渗透率对于碳酸盐岩油气藏储层评价具有重要意义.碳酸盐岩储层裂缝与溶孔广泛发育,基于经验公式从测井曲线预测储层孔隙度和渗透率具有较大误差.以中东某碳酸盐岩油藏为研究对象,选取914块取心井岩心,测定孔隙度与渗透率,利用随机森林(RF)、K近邻(KNN)、支持向量机(SVM)和长短期记忆网络(LSTM)4种不同机器学习方法,通过测井数据进行孔隙度与渗透率预测,优化机器学习参数,筛选出适用于碳酸盐岩油藏的测井孔隙度与渗透率预测方法.研究结果表明:4种机器学习方法预测储层孔隙度结果差异不大,通过调整输入参数种类,可进一步提高孔隙度与渗透率预测效果,当以补偿中子(NPHI)、岩性密度(RHOB)和声波时差(DT)3种测井参数数据作为输入时,基于LSTM的储层孔隙度预测精度最高,孔隙度预测结果均方根误差(RMSE)为4.5362;由于碳酸盐岩储层的强非均质性,基于机器学习的测井储层渗透率预测效果较差,相对而言,仅以NPHI作为机器学习输入参数时,基于RF的储层渗透率预测精度最高,渗透率预测结果的RMSE为45.8823.
展开更多
关键词
碳酸盐岩
测井
孔隙率
渗透率
机器学习
预测
下载PDF
职称材料
基于高压压汞和核磁共振的致密砂岩渗透率预测
被引量:
12
2
作者
程辉
王付勇
+1 位作者
宰芸
周树勋
《岩性油气藏》
CSCD
北大核心
2020年第3期122-132,共11页
分析影响致密砂岩渗透率的主控因素并准确预测致密砂岩渗透率对致密油气藏的开发具有重要意义。以鄂尔多斯盆地延长组致密砂岩为研究对象,基于高压压汞和核磁共振对致密砂岩渗透率主控因素进行了研究,分别评价并优选了更适用于致密砂岩...
分析影响致密砂岩渗透率的主控因素并准确预测致密砂岩渗透率对致密油气藏的开发具有重要意义。以鄂尔多斯盆地延长组致密砂岩为研究对象,基于高压压汞和核磁共振对致密砂岩渗透率主控因素进行了研究,分别评价并优选了更适用于致密砂岩的基于高压压汞和核磁共振的渗透率预测模型。结果表明:影响致密砂岩渗透率的主要因素是孔喉半径,其中中值孔喉半径与致密砂岩渗透率相关性最强;与核磁共振T2加权平均值相比,T2几何均值与致密砂岩渗透率的相关性更强;在3种不同的核磁共振渗透率预测模型中,SDR-REV模型的预测效果要优于SDR模型和KCT2w模型;在3种不同的高压压汞渗透率预测模型中,基于r40和r45的Winland模型渗透率预测精度较高。研究成果对鄂尔多斯盆地延长组致密砂岩的进一步有效开发具有指导意义。
展开更多
关键词
致密砂岩
渗透率
高压压汞
核磁共振
延长组
鄂尔多斯盆地
下载PDF
职称材料
题名
基于机器学习和测井数据的碳酸盐岩孔隙度与渗透率预测
被引量:
10
1
作者
侯贤沐
王付勇
宰芸
廉培庆
机构
油气资源与探测国家重点实验室
中国石油大学(北京)非常规油气科学技术研究院
中石化石油勘探开发研究院
出处
《吉林大学学报(地球科学版)》
CAS
CSCD
北大核心
2022年第2期644-653,共10页
基金
国家自然科学基金项目(51874320)。
文摘
准确预测碳酸盐岩储层孔隙度和渗透率对于碳酸盐岩油气藏储层评价具有重要意义.碳酸盐岩储层裂缝与溶孔广泛发育,基于经验公式从测井曲线预测储层孔隙度和渗透率具有较大误差.以中东某碳酸盐岩油藏为研究对象,选取914块取心井岩心,测定孔隙度与渗透率,利用随机森林(RF)、K近邻(KNN)、支持向量机(SVM)和长短期记忆网络(LSTM)4种不同机器学习方法,通过测井数据进行孔隙度与渗透率预测,优化机器学习参数,筛选出适用于碳酸盐岩油藏的测井孔隙度与渗透率预测方法.研究结果表明:4种机器学习方法预测储层孔隙度结果差异不大,通过调整输入参数种类,可进一步提高孔隙度与渗透率预测效果,当以补偿中子(NPHI)、岩性密度(RHOB)和声波时差(DT)3种测井参数数据作为输入时,基于LSTM的储层孔隙度预测精度最高,孔隙度预测结果均方根误差(RMSE)为4.5362;由于碳酸盐岩储层的强非均质性,基于机器学习的测井储层渗透率预测效果较差,相对而言,仅以NPHI作为机器学习输入参数时,基于RF的储层渗透率预测精度最高,渗透率预测结果的RMSE为45.8823.
关键词
碳酸盐岩
测井
孔隙率
渗透率
机器学习
预测
Keywords
carbonate
logging
porosity
permeability
machine learning
prediction
分类号
TE357 [石油与天然气工程—油气田开发工程]
P631.8 [天文地球—地质矿产勘探]
下载PDF
职称材料
题名
基于高压压汞和核磁共振的致密砂岩渗透率预测
被引量:
12
2
作者
程辉
王付勇
宰芸
周树勋
机构
中国石油大学(北京)非常规油气科学技术研究院
中国石油长庆油田分公司油田开发事业部
出处
《岩性油气藏》
CSCD
北大核心
2020年第3期122-132,共11页
基金
国家自然科学基金项目“表面活性剂在致密油藏裂缝-微纳米孔隙中的多尺度渗吸驱油机理研究”(编号:51874320)
中国石油大学(北京)青年拔尖人才科研启动基金项目“致密油藏渗吸提高采收率机理研究”(编号:2462017BJB11)联合资助。
文摘
分析影响致密砂岩渗透率的主控因素并准确预测致密砂岩渗透率对致密油气藏的开发具有重要意义。以鄂尔多斯盆地延长组致密砂岩为研究对象,基于高压压汞和核磁共振对致密砂岩渗透率主控因素进行了研究,分别评价并优选了更适用于致密砂岩的基于高压压汞和核磁共振的渗透率预测模型。结果表明:影响致密砂岩渗透率的主要因素是孔喉半径,其中中值孔喉半径与致密砂岩渗透率相关性最强;与核磁共振T2加权平均值相比,T2几何均值与致密砂岩渗透率的相关性更强;在3种不同的核磁共振渗透率预测模型中,SDR-REV模型的预测效果要优于SDR模型和KCT2w模型;在3种不同的高压压汞渗透率预测模型中,基于r40和r45的Winland模型渗透率预测精度较高。研究成果对鄂尔多斯盆地延长组致密砂岩的进一步有效开发具有指导意义。
关键词
致密砂岩
渗透率
高压压汞
核磁共振
延长组
鄂尔多斯盆地
Keywords
tight sandstone
permeability
high-pressure mercury intrusion
nuclear magnetic resonance
Yanchang Formation
Ordos Basin
分类号
TE122.2 [石油与天然气工程—油气勘探]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于机器学习和测井数据的碳酸盐岩孔隙度与渗透率预测
侯贤沐
王付勇
宰芸
廉培庆
《吉林大学学报(地球科学版)》
CAS
CSCD
北大核心
2022
10
下载PDF
职称材料
2
基于高压压汞和核磁共振的致密砂岩渗透率预测
程辉
王付勇
宰芸
周树勋
《岩性油气藏》
CSCD
北大核心
2020
12
下载PDF
职称材料
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
确定
用户登录
登录
IP登录
使用帮助
返回顶部