期刊文献+
共找到4篇文章
< 1 >
每页显示 20 50 100
四川盆地大猫坪地区二叠系长兴组生物礁气层叠前反演识别 被引量:8
1
作者 周路 钟斐艳 +6 位作者 闫佳琛 钟克修 吴勇 许希辉 陆鹏 张文济 刘怡 《石油勘探与开发》 SCIE EI CAS CSCD 北大核心 2020年第1期86-97,共12页
针对四川盆地大猫坪地区开江—梁平海槽台缘带单层生物礁储集层薄、横向变化快、与围岩的纵波波阻抗差异小、利用常规叠后反演预测生物礁储集层及流体性质比较困难等难题,通过实验室测定的岩心物性数据与测井纵横波速相关分析,提出了基... 针对四川盆地大猫坪地区开江—梁平海槽台缘带单层生物礁储集层薄、横向变化快、与围岩的纵波波阻抗差异小、利用常规叠后反演预测生物礁储集层及流体性质比较困难等难题,通过实验室测定的岩心物性数据与测井纵横波速相关分析,提出了基于不同孔隙度区间的横波计算公式,解决了研究区部分井缺乏横波测井资料的问题。通过AVO正演分析,指出储集层孔隙度是导致研究区AVO类型变化的主要因素,而含水饱和度不会改变AVO类型但会对AVO变化幅度产生影响。根据弹性参数交会分析,发现流体因子是研究区生物礁储集层含气性的敏感参数。通过对比叠后波阻抗反演、叠后高频衰减属性、叠前同时反演和角道集AVO异常分析,发现利用叠前同时反演方法得到的流体因子进行生物礁气层识别与实际钻井符合率最高。最后根据流体因子分布特征,对研究区长兴组生物礁储集层含气有利区进行预测,指出大猫坪地区A区块长兴组顶部生物礁圈闭为下一步勘探有利目标。 展开更多
关键词 四川盆地 二叠系长兴组 生物礁 叠前反演 横波预测 岩石物理 流体因子 含气检测
下载PDF
Prestack inversion identification of organic reef gas reservoirs of Permian Changxing Formation in Damaoping area, Sichuan Basin, SW China 被引量:1
2
作者 ZHOU Lu ZHONG Feiyan +6 位作者 yan jiachen ZHONG Kexiu WU Yong XU Xihui LU Peng ZHANG Wenji LIU Yi 《Petroleum Exploration and Development》 2020年第1期89-100,共12页
Organic reef reservoirs in the platform margin of Kaijiang-Liangping trough in Damaoping area, Sichuan Basin are thin in single layer, fast in lateral variation, and have small P-impedance difference from the surround... Organic reef reservoirs in the platform margin of Kaijiang-Liangping trough in Damaoping area, Sichuan Basin are thin in single layer, fast in lateral variation, and have small P-impedance difference from the surrounding rock, it is difficult to identify and predict the reservoirs and fluid properties by conventional post-stack inversion. Through correlation analysis of core test data and logging P-S wave velocity, this work proposed a formula to calculate the shear wave velocity in different porosity ranges, and solved the issue that some wells in the study area have no S-wave data. AVO forward analysis reveals that formation porosity is the main factor affecting the variation of AVO type, the change of water saturation cannot affect the AVO type, but it has an effect on the change range of AVO. Through cross-plotting analysis of elastic parameters, it is found that fluid factor is a parameter sensitive to gas-bearing property of organic reef reservoir in the study area. By comparing results of post-stack impedance inversion, post-stack high frequency attenuation property, pre-stack simultaneous inversion and AVO anomaly analysis of angle gathers, it is found that the gas-bearing prediction of organic reef reservoirs by using fluid factor derived from simultaneous pre-stack inversion had the highest coincidence rate with actual drilling data. At last, according to the characteristics of fluid factor distribution, the favorable gas-bearing area of the organic reef reservoir in Changxing Formation was predicted, and the organic reef trap at the top of Changxing Formation in Block A of Damaoping area was sorted out as the next exploration target. 展开更多
关键词 Sichuan Basin PERMIAN Changxing Formation ORGANIC REEF PRESTACK inversion S-WAVE estimation rock physics fluid factor gas detection
下载PDF
不同水热炭化条件处理青霉素菌渣制备生物炭 被引量:5
3
作者 赵志瑞 赵秀梅 +3 位作者 颜嘉晨 李铎 张佳瑶 单保庆 《环境工程学报》 CAS CSCD 北大核心 2019年第3期732-739,共8页
为了考察不同水热炭化条件处理青霉素菌渣制备的生物炭特征,采用菌渣中分别添加氯化钠、柠檬酸和硝酸铁为添加剂和分别设置不同温度的方法,分析不同温度、不同添加剂对水热炭化产物特征的影响。结果表明,在210℃时,各种样品的干重产率... 为了考察不同水热炭化条件处理青霉素菌渣制备的生物炭特征,采用菌渣中分别添加氯化钠、柠檬酸和硝酸铁为添加剂和分别设置不同温度的方法,分析不同温度、不同添加剂对水热炭化产物特征的影响。结果表明,在210℃时,各种样品的干重产率较高。对于水热产物结构,RNa温度最佳为210℃;RAc和RFe最佳温度为180℃。在180℃时,RH产物孔径平均当量直径最大为3.61μm;RNa、RAc、RFe变化不大,分别为3.08、3和3.16μm,变化幅度小于0.2μm;在210℃时,对照产物孔径平均当量直径大于180℃时产物为3.94μm;而RNa为2.99μm,RAc、RFe孔径依次减小,为别为2.33μm和1.84μm。添加剂对产物孔径平均当量直径有影响,而添加剂种类影响不大;温度变化对RNa产物孔径平均当量直径影响不大,对RFe产物影响最明显。 展开更多
关键词 制药工业污染防治 水热炭化 青霉素菌渣资源化 生物炭制备
原文传递
基于端到端深度学习的有机光伏材料光电转化效率预测 被引量:1
4
作者 胡松 刘国红 +4 位作者 何英 颜嘉晨 陈寒乐 闫希亮 闫兵 《环境工程》 CAS CSCD 北大核心 2022年第6期188-193,共6页
碳中和背景下,亟需开发高效清洁的新型能源,以减少对化石能源的依赖。有机光伏材料作为一种可将太阳能或其他光能直接转化为电能的材料,日益成为一种具有重大应用前景的低碳能源材料。在探索新的高性能有机光伏材料的过程中,机器学习虽... 碳中和背景下,亟需开发高效清洁的新型能源,以减少对化石能源的依赖。有机光伏材料作为一种可将太阳能或其他光能直接转化为电能的材料,日益成为一种具有重大应用前景的低碳能源材料。在探索新的高性能有机光伏材料的过程中,机器学习虽然能够提高材料设计效率,但其预测能力极大受制于描述符的开发和选取。利用循环神经网络、卷积神经网络、图神经网络等算法,构建端到端的深度学习模型预测有机光伏材料光电转化效率,所建模型可直接从SMILES符号、分子图像、分子图网络中提取化合物结构信息,而无须人为开发和选取描述符。所得模型不仅能够较为准确地预测有机光伏材料的光电转化效率(其中最优模型五折交叉验证结果和测试集预测结果决定系数均>0.73),而且能够识别影响转化效率的关键结构特征。该研究结果可为新型环境功能材料设计提供理论参考。 展开更多
关键词 碳中和 有机光伏材料 机器学习 环境功能新材料设计 低碳能源
原文传递
上一页 1 下一页 到第
使用帮助 返回顶部