基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
当前,在非常规油气储层的钻井速度是前所未有的.再加上地层复杂、储层类型多种多样、岩石性质变化多端,以及孔隙压力、地质力学性质、压裂和成岩作用等各种因素的技术挑战,都要求使用更复杂、更快速、更一致且适用范围更广的分析工具.在给定工作规模(即井数)情况下,要用传统的工作流程进行岩石物理、孔隙压力和地质力学预测,从运算周期的角度考虑,可能不切实际(如果不是不可能的话).这种工作流程同样可能无法有效地使用任何现有的区域研究成果.从理论上看,机器学习方法可以减少这些缺点.作者证明,有监督的深度神经网络方法可以成为岩石物理、孔隙压力和地质力学分析的替代性创新工具,它能够利用之前解释的所有数据设计出可以同时集成大范围的钻井数据和测井记录的解决方案.除此之外,还可用类似的方法仅根据地震推导的属性来预测出一定数量的属性,从而可以计算体模型.在一个二叠盆地的实例研究中应用了这种算法,结果发现基于神经网络的自动算法在很短的时间内即可达到合理的精度.
推荐文章
岩石特性参数随孔隙压力变化的预测研究
有效应力原理
声波时差
数学迭代
孔隙压力
岩石特性参数
远程系统集成解决方案
连接
集成
加密算法
远程入口
采煤塌陷和滑移对环境影响的地质力学预测评价
塌陷
滑移
环境影响
预测评价
基于岩石物理模型的页岩孔隙结构反演及横波速度预测
页岩
岩石物理模型
孔隙纵横比
横波速度预测
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 用集成深度学习解决方案预测岩石物理、孔隙压力和地质力学属性
来源期刊 石油科技动态 学科
关键词
年,卷(期) 2020,(4) 所属期刊栏目
研究方向 页码范围 16-25
页数 10页 分类号
字数 语种 中文
DOI
五维指标
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (0)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
2020(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
引文网络交叉学科
相关学者/机构
期刊影响力
石油科技动态
月刊
N
北京市海淀区学院路20号
chi
出版文献量(篇)
735
总下载数(次)
1
论文1v1指导