基于前馈神经网络井控多属性融合的断裂识别方法

塔里木盆地碳酸盐岩断控缝洞型油气藏埋藏深度大、构造复杂,且断裂高度发育,断裂是研究区域内成藏主控因素及可能的油气运移通道,对其空间展布位置及发育强弱的预测至关重要。断裂检测属性众多,不同断裂检测属性由于计算方法不同表征的断裂尺度及特征存在一定的差异性,且常规属性检测忽视了测井信息的利用与约束,为了获取更加全面、准确的断裂预测结果,本文优选多类断裂检测属性,并结合测井数据作为先验信息,利用前馈神经网络算法进行属性融合。首先优选AFE、likelihood、倾角等多类具有不同特征的断裂属性,结合测井放空漏失数据、成像测井信息及地震同相轴错段情况作为断裂发育类型判别条件建立了断裂特征识别样本库;在样本库基础上进行深度前馈神经网络训练,对比测试了不同隐含层深度条件下的学习效果,获取预测误差最小的神经网络预测模型;最后将神经网络预测模型应用于全工区断裂预测。经对比分析,认为深度学习融合属性预测断裂与测井解释结果更为吻合,且能综合不同尺度特征的断裂信息,有效提升了预测准确度和可靠性。

基于匹配追踪算法的薄煤层强反射分离参数优选方法

近年来,基于匹配追踪算法的强反射分离方法在不同强反射类型的实际资料应用中取得了较好的效果,但该算法关键参数的选择缺乏理论依据和标准,相关研究较少。为此,在薄煤层强反射分离过程中,明确子波相位和分离系数两个关键参数的含义,提出基于匹配追踪算法的薄煤层强反射分离参数优选方法,以进一步提高薄煤层强反射表征的精度,更好地开展强反射分离和储层预测。首先根据不同强反射储层类型对应的强反射子波特征进行分类,分析薄煤层强反射相位参数特征;然后基于钻井处反射系数计算及分离方法,确定强、弱反射的能量关系,估算分离系数,提高强反射分离效果。实际应用结果表明,该方法对薄煤层强反射特征的识别更加准确,分离的效果有明显提升;突出了储层弱反射特征,可为储层精细预测提供较好的资料基础。

一种引入吸收衰减的压缩感知薄储层识别方法

常规基于压缩感知稀疏反演方法是基于频域平稳地震褶积模型进行的,而实际地下介质是黏弹性的,这使得该方法的反演反射系数振幅缺失、位置偏移。针对该问题,通过引入时频衰减因子,构建改进的衰减感知矩阵,将稀疏反演从常规的频率域拓展至衰减频率域。反演结果在一定程度上可恢复缺失的振幅,增强弱信号的识别能力。由于噪声影响,以上处理结果中仍存在噪声干扰,故在衰减频率域稀疏反演的基础上,引入平滑的高斯函数,对反演目标函数进行优化以压制残存的噪声干扰;之后将反演结果与褶积宽频子波可生成高分辨率地震剖面,由此形成了一种引入吸收衰减的压缩感知薄储层识别方法。薄层理论模型及含有河道砂储层的实际地震资料的处理结果表明,本文方法较常规方法,有效地增强了薄层弱信号的振幅及横向连续性,可在保证信噪比的情况下,提高地震资料的分辨率及薄储层的识别能力。

构建三维深度监督网络的断层检测方法

地震资料人工解释断层往往具不确定性。随着计算机和人工智能的发展,深度学习技术越来越多地应用于地球物理领域,多种基于卷积神经网络的算法也广泛地应用于断层识别。为此,结合三维U-Net和深度残差网络,引入多层深度监督的机制,构建了一种基于三维深度监督网络的断层检测方法。残差模块的引入能够简化网络的学习目标,降低训练难度,而多层的深度监督能够为网络提供更多的反馈,减轻训练过程中潜在的梯度消失,使解码器子网络能够学习到不同尺度的断层语义信息,可进一步提高断层识别的准确性。理论模型测试和实际地震资料的应用表明,该方法可以有效识别断层位置;与常规U-Net网络相比,减少了小断层的漏识别和错误识别;识别的大断层连续性好,断层细节更丰富,明显提高了断层识别的准确性。

90°相移薄互层解释技术理论诠释与实际应用

通过零相位子波与90°相移子波比较、两者楔形体正演模型变密度显示比较、90°相移调谐特征分析,指出了90°相移技术识别单砂体的优势,并用河道砂体实例进行了佐证。在此基础上,重点对不带屏蔽层和带屏蔽层的砂泥岩薄互层进行了理论诠释与实际应用。对于不带屏蔽层的薄互层,首先分析其测井响应特征和地震剖面特征,然后制作地质模型;地震正演结果展示,枣Ⅲ油组9个小层的叠合响应近似于1个厚砂体的复合波,波谷响应对应砂体有利位置,用90°相移可以直观描述;对于实际资料,对比了物理意义与之类似的道积分剖面,指出了道积分技术存在横向能量不均衡的弊端。对于底部有强反射屏蔽层的薄互层,本文不采用多子波分解、匹配追踪和压缩感知等去强屏蔽手段,而是直接采用90°相移;应用结果表明,90°相移处理后强反射界面与砂体边界分开,砂体叠置关系明确,适用于储层界面解释和后续属性提取、储层预测。最后展示了复杂断裂带90°相移解释实例,指出“90°相移薄互层解释不怕薄、怕乱”的适用条件。

复杂断块油藏地震标定研究与新认识——以大港自来屯油田为例

以大港自来屯复杂断块油田为例,对地震标定问题进行了分析与研究,总结出6个方面的有效措施,厘清了研究区复杂的井震关系,得到以下结论与认识:研究区枣Ⅴ底与Ek^(1)_(2)之间有一稳定的反射同相轴,系复合波叠合形成,资料为正极性、枣Ⅴ底对应波谷反射;以枣32井目标区为例,利用测井相的相似与差异特征,查清了孔二段先沉积后隆起、隆起区枣Ⅴ厚度变薄的成因;采用先连续地层、后复杂地层、再斜井辅助验证的标定策略,实现了构造异常复杂区井震标定;讨论了标定的拉伸/压缩功能,建议此功能有效性当以测井相、地震相整体吻合为原则;利用密井网优势,分析了全区地震速度和测井声波时差换算速度的差异,从多井统计的角度检验了标定的正确性;将标定分为层位标定与储层标定,薄互储层的识别可尝试采用90°相移技术。研究成果对大港油田开展油藏精细描述、对其它复杂断块进行地震标定有一定的参考价值。

试论密尔的自由观

约翰·斯图亚特·密尔是英国著名的哲学家,在继承古典自由主义的基础之上,继承并修正了边沁的功利主义哲学,开创了向新自由主义转变的道路.密尔将政治自由延伸为更加广阔的社会自由,以更加详尽的理论为个人自由做辩护,尊重个性的合理发展,保障公民的自由结社权利,将实现与保障公民的个人自由作为自由主义思想的核心理念.

运动损伤后的有效处理方法

运动损伤多见于年轻人群，他们热爱运动，积极参与各项体育活动，但常常因缺乏一定的运动训练卫生知识、不知道出现运动损伤后的应急措施，而给伤者造成不必要的痛苦，严重者甚至导致终身遗憾。

UNet++和迁移学习相结合的复杂断裂识别方法研究

随着计算机和人工智能技术发展,卷积神经网络(Convolutional Neural Networks,CNN)在断层识别中的应用越来越广泛.但是常规CNN网络难以获得大量实际的断层样本,只能依赖人工合成的断层数据训练网络,导致预测模型难以满足不同类型断层的识别要求.为此,本文提出了一种结合UNet++网络和迁移学习的复杂断裂系统识别方法,该方法首先利用大量合成的断层样本训练UNet++网络,然后利用少量人工标注的实际断层样本通过模型微调的方式实现迁移学习,使网络学习到更多的实际断层的特征.将方法应用到大港油田自来屯三维工区进行断层的识别,应用效果证明迁移学习后的UNet++网络能大大减少断层漏识别和错误识别的情况,提高断层识别的准确性,这也验证了本文方法的有效性和可行性.