基于机器学习与大数据技术的地球物理测井系统

• 作者: 孙柒零 程佳豪 程宇雪 程希
• 来源期刊: 西安石油大学学报（自然科学版）
• 学科: 地球科学
• 关键词: 智能测井 数据流 大数据
• 年，卷（期）: 2019,（6）
• 所属期刊栏目: 计算机及新技术应用
• 页码范围: 108-116
• 页数: 9页
• 分类号: TE19|P631.8
• 字数: 5650字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-064X.2019.06.019

摘要

地球物理测井数据通常来自数值模拟、岩石物理实验、仪器测试、生产实践、测井数据采集、地层综合评价等,但来源不同的数据之间缺乏共享,难以实时获取和应用.为了实现源于测井研究不同领域的各类海量数据互联互通,高效、优质、低成本地解决现场测井技术问题,指导测井仪器设计、测井资料处理与实时评价,以测井大数据和机器学习技术为基础,采用针对不同模型条件下的快速优化算法,建立一个弥补时空差异、知识差异、能实时高效模拟的智能测井系统,通过实例分析了这种智能一体化测井系统的优势和发展趋势.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	程希	西安石油大学地球科学与工程学院	9	7	2.0	2.0
2	孙柒零		2	4	1.0	2.0