沉积微相测井资料神经网络判别方法研究

唐为清; 郭荣坤; 王忠东; 王红; 罗安银; 毋学平

ISSN 1000-0550 CN 62-1038/P

高级搜索

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

沉积微相测井资料神经网络判别方法研究

唐为清, 郭荣坤, 王忠东, 王红, 罗安银, 毋学平

文章导航 > 沉积学报 > 2001 > 19(4): 581-585

唐为清, 郭荣坤, 王忠东, 王红, 罗安银, 毋学平. 沉积微相测井资料神经网络判别方法研究[J]. 沉积学报, 2001, 19(4): 581-585.

引用本文:

唐为清, 郭荣坤, 王忠东, 王红, 罗安银, 毋学平. 沉积微相测井资料神经网络判别方法研究[J]. 沉积学报, 2001, 19(4): 581-585.

TANG Wei Qing, GUO Rong Kun, WANG Zhong Dong, WANG Hong, LUO An ying, WU Xue ping. The Study on Method of Depositional Microfacies Discrimination with Well-logging Information[J]. Acta Sedimentologica Sinica, 2001, 19(4): 581-585.

Citation:

唐为清, 郭荣坤, 王忠东, 王红, 罗安银, 毋学平. 沉积微相测井资料神经网络判别方法研究[J]. 沉积学报, 2001, 19(4): 581-585.

引用本文:

唐为清, 郭荣坤, 王忠东, 王红, 罗安银, 毋学平. 沉积微相测井资料神经网络判别方法研究[J]. 沉积学报, 2001, 19(4): 581-585.

Citation:

沉积微相测井资料神经网络判别方法研究

1.
石油大学北京 100083;
2.
辽河石油管理局测井公司辽宁盘锦 124011;
3.
四川石油管理局研究院成都 610051;
4.
华北石油管理局测井公司河北任丘 062552;
5.
华北油田测井公司河北廊坊 102801

详细信息

作者简介:
唐为清,男,1962 年出生,讲师（硕士）,应用地球物理

中图分类号: TE121.3 ⁺ 2

计量

文章访问数: 510
HTML全文浏览量: 39
PDF下载量: 461
被引次数: 0

The Study on Method of Depositional Microfacies Discrimination with Well-logging Information

1.
Petroleum University, Beijing 100083;
2.
Company of Well-logging of liaohe Oil Field, Panjin liaoning 124011;
3.
Research Institute of Sichuan Oil Field, Chengdu 610051;
4.
Company of Well-logging of Huabei Oil Field, Rengiu Hebei 062552;
5.
Company of Well-logging of Huabei Oil Field, langfang Hebei 102801

摘要

摘要: 不同的沉积微相可以由不同的相标志组合识别,相标志与沉积微相之间的关系可以采用神经网络通过许多基本处理单元间并行的相互作用建立。沉积微相相标志既可以由地质资料的观察、岩芯分析直接获得,也可以由测井资料间接地求得
- 神经网络 /
- 沉积微相 /
- 相标志 /
- 复杂岩性
Abstract: different depositionaI microfacies can be identified by the combination of facies signs. The reIation between facies signs and depositionaI microfacies can be estabIished by the paraIIeI reaction of NeuraI Network basic processing units. Sedimentary microfacies signs can be obtained directIy by the observation and anaIysis of rock core and it can be aIso got indirectIy by weII Iogging information. In this paper, we use modern artificiaI neuraI network（ANN）pattern recognition technigue to interpret the Iithofacies with conventionaI weII-Iogging data and depositionaI structure with dip weII-Iogging data. In determination of Iithofacies, eight to ten weII-Iogging curve（SP, GR,... ）are used. The coincidence rate of Iithofacies is eighty to ninety percent in the standard weII and seventy to eighty percent in non standard weII. ANN was aIso used to anaIyze Iogging facies and depositionaI environment for singIe-weII or muIti-weII on the same sedimentary background. The method of using Iogging data to automaticaIIy identify the carbonate sedimentary microfacies was found out. In the sedimentary microfacies modeI, 24 facies signs that are the combination of Iithofacies（category and structure ）, sedimentary structure（scoured base, bedding type and the change of Iaminae ）, the direction of paIeocurrent, the IithoIogicaI change, the feature of curve ampIitude, the form of curve, the cycIe of sedimentation, the pattern of angIe and direction of dip, pore structure etc. are used. The modeIs offshore deposit and bioherm facies are buiIt up. The method has been used in the fieId of Si Chuan, Xin Jiang, Liao He and Hua Bei and so on. After testing with some exampIes, the method is proved to be effective to resoIve the probIem of petroIeum expIoration in oiI fieId.
- neuraI network /
- depositionaI microfacies /
- facies signs /
- compIex IithoIogy

HTML全文

参考文献(1)

[1]	1.殷勤业;杨宗凯;谈正模式识别与神经网络 1992 2.焦李成神经网络系统理论 1993 3.肖义越;赵谨芳应用测井资料自动确定沉积相的计算机程序 1993(01)

[1]	朱柏宇, 印森林, 郭海平, 唐攀, 赵俊威, 陈旭, 雷章树. 陆相混合细粒岩沉积微相及其对甜点的控制作用 . 沉积学报, 2024, 42(3): 839-856. doi: 10.14027/j.issn.1000-0550.2023.051
[2]	张祥龙, 刘一仓, 张攀, 王贵文, 李栋, 马源, 江程舟, 包萌, 陈康军, 刘秉昌, 解宇强. 沉积微相控制下储层分类评价及预测 . 沉积学报, 2022, 40(2): 534-546. doi: 10.14027/j.issn.1000-0550.2020.076
[3]	倪仕琪, 宋继叶, 蔡煜琦, 张晓, 李真真, 邱余波, 张虎军, 蒋宏. 伊犁盆地南缘郎卡地区中侏罗统西山窑组沉积特征及演化 . 沉积学报, 2021, 39(2): 434-445. doi: 10.14027/j.issn.1000-0550.2020.003
[4]	王乾右, 杨威, 葛云锦, 宋岩, 姜振学, 罗群, 左如斯, 李耀华, 刘聃, 张帆, 王耀华, 鲁健康. 不同沉积微相致密储层的成岩响应及其控储机理 . 沉积学报, 2021, 39(4): 841-862. doi: 10.14027/j.issn.1000-0550.2020.112
[5]	熊连桥, 李建平, 谢晓军, 蔡露露, 廖计华, 许晓明. 湖相碳酸盐岩沉积微相类型及沉积模式 . 沉积学报, 2021, 39(3): 767-780. doi: 10.14027/j.issn.1000-0550.2020.025
[6]	陶金雨, 张昌民, 郭旭光, 朱锐, 潘进, 唐勇. 磨圆度定量表征在扇三角洲沉积微相判别中的应用 . 沉积学报, 2020, 38(5): 956-965. doi: 10.14027/j.issn.1000-0550.2019.111
[7]	伊硕, 黄文辉, 金振奎, 高白水. 滨里海盆地东缘石炭系KT-II层碳酸盐岩微相特征与沉积环境研究——以扎纳若尔地区为例 . 沉积学报, 2017, 35(1): 139-150. doi: 10.14027/j.cnki.cjxb.2017.01.014
[8]	. 琼东南盆地深水区中央峡谷沉积微相特征 . 沉积学报, 2013, 31(6): 1114-1121.
[9]	雷卞军. 靖边气田马五1-4亚段沉积微相和成岩作用研究 . 沉积学报, 2010, 28(6): 1153-1164.
[10]	吴胜和, 武军昌, 李恕军, 吴志宇. 安塞油田坪桥水平井区沉积微相三维建模研究 . 沉积学报, 2003, 21(2): 266-271.
[11]	孙卫, 王洪建, 吴诗平, 陈杨艾, 朱永贤, 元连喜. 三间房组油藏沉积微相及其对注水开发效果影响研究 . 沉积学报, 1999, 17(3): 443-448.
[12]	宋春晖, 王新民, 师永民, 晁吉俊, 武安斌. 青海湖现代滨岸沉积微相及其特征 . 沉积学报, 1999, 17(1): 51-57.
[13]	赵永胜, 朱永铭, 杨世民, 王震, 车翔飞. 碎屑岩沉积微相工业制图方法及应用探讨——以辽河欢喜岭油田齐108块莲花油层为例 . 沉积学报, 1998, 16(2): 102-107.
[14]	张福明, 李洪奇, 邵才瑞, 白彦彬, 张巨兴, 曹峰, 王占忠, 焦翠华. 神经网络和分形几何方法在识别测井沉积微相中的应用 . 沉积学报, 1997, 15(3): 62-66.
[15]	何海清. 浙江省栖霞组沉积微相、旋回、沉积环境及其演化规律 . 沉积学报, 1996, 14(S1): 75-83.
[16]	文政, 雍世和, 王中文. 应用测井资料定量识别沉积微相 . 沉积学报, 1996, 14(1): 40-46.
[17]	王硕儒, 范德江, 汪丙柱. 岩相识别的神经网络计算 . 沉积学报, 1996, 14(4): 154-160.
[18]	冉启全, 李士伦, 顾小芸. 神经网络模式识别沉积微相 . 沉积学报, 1996, 14(S1): 186-191.
[19]	宋春晖, 武安斌. 西成矿田中泥盆统碳酸盐岩沉积微相、微相组及其环境分析 . 沉积学报, 1993, 11(2): 34-42.
[20]	刘文均. 湘南泥盆系碳酸盐岩中锶的分布特点及其环境意义 . 沉积学报, 1989, 7(2): 14-20.

施引文献

资源附件(0)

访问统计

点击查看大图

计量

文章访问数: 510
HTML全文浏览量: 39
PDF下载量: 461
被引次数: 0

沉积微相测井资料神经网络判别方法研究

1. 石油大学北京 100083;

2. 辽河石油管理局测井公司辽宁盘锦 124011;

3. 四川石油管理局研究院成都 610051;

4. 华北石油管理局测井公司河北任丘 062552;

5. 华北油田测井公司河北廊坊 102801

作者简介:
唐为清,男,1962 年出生,讲师（硕士）,应用地球物理

收稿日期: 2000-08-26
修回日期: 2001-01-09
刊出日期: 2001-12-10

中图分类号: TE121.3 ⁺ 2

关键词:

神经网络 /

沉积微相 /

相标志 /

复杂岩性

摘要: 不同的沉积微相可以由不同的相标志组合识别,相标志与沉积微相之间的关系可以采用神经网络通过许多基本处理单元间并行的相互作用建立。沉积微相相标志既可以由地质资料的观察、岩芯分析直接获得,也可以由测井资料间接地求得

English Abstract

The Study on Method of Depositional Microfacies Discrimination with Well-logging Information

1. Petroleum University, Beijing 100083;

2. Company of Well-logging of liaohe Oil Field, Panjin liaoning 124011;

3. Research Institute of Sichuan Oil Field, Chengdu 610051;

4. Company of Well-logging of Huabei Oil Field, Rengiu Hebei 062552;

5. Company of Well-logging of Huabei Oil Field, langfang Hebei 102801

Received Date: 2000-08-26
Rev Recd Date: 2001-01-09
Publish Date: 2001-12-10

Keywords:

Abstract: different depositionaI microfacies can be identified by the combination of facies signs. The reIation between facies signs and depositionaI microfacies can be estabIished by the paraIIeI reaction of NeuraI Network basic processing units. Sedimentary microfacies signs can be obtained directIy by the observation and anaIysis of rock core and it can be aIso got indirectIy by weII Iogging information. In this paper, we use modern artificiaI neuraI network（ANN）pattern recognition technigue to interpret the Iithofacies with conventionaI weII-Iogging data and depositionaI structure with dip weII-Iogging data. In determination of Iithofacies, eight to ten weII-Iogging curve（SP, GR,... ）are used. The coincidence rate of Iithofacies is eighty to ninety percent in the standard weII and seventy to eighty percent in non standard weII. ANN was aIso used to anaIyze Iogging facies and depositionaI environment for singIe-weII or muIti-weII on the same sedimentary background. The method of using Iogging data to automaticaIIy identify the carbonate sedimentary microfacies was found out. In the sedimentary microfacies modeI, 24 facies signs that are the combination of Iithofacies（category and structure ）, sedimentary structure（scoured base, bedding type and the change of Iaminae ）, the direction of paIeocurrent, the IithoIogicaI change, the feature of curve ampIitude, the form of curve, the cycIe of sedimentation, the pattern of angIe and direction of dip, pore structure etc. are used. The modeIs offshore deposit and bioherm facies are buiIt up. The method has been used in the fieId of Si Chuan, Xin Jiang, Liao He and Hua Bei and so on. After testing with some exampIes, the method is proved to be effective to resoIve the probIem of petroIeum expIoration in oiI fieId.

唐为清, 郭荣坤, 王忠东, 王红, 罗安银, 毋学平. 沉积微相测井资料神经网络判别方法研究[J]. 沉积学报, 2001, 19(4): 581-585.

引用本文:

唐为清, 郭荣坤, 王忠东, 王红, 罗安银, 毋学平. 沉积微相测井资料神经网络判别方法研究[J]. 沉积学报, 2001, 19(4): 581-585.

Citation:

全文HTML

参考文献 (1)

下载: 全尺寸图片幻灯片

返回文章

用微信扫码二维码

分享至好友和朋友圈

x 关闭永久关闭

2023年地质事件沉积研究新进展国际学术研讨会（第一号通知）

留言板

沉积微相测井资料神经网络判别方法研究

作者简介:
唐为清,男,1962 年出生,讲师（硕士）,应用地球物理

计量

The Study on Method of Depositional Microfacies Discrimination with Well-logging Information

计量

目录

沉积微相测井资料神经网络判别方法研究

1. 石油大学北京 100083;

2. 辽河石油管理局测井公司辽宁盘锦 124011;

3. 四川石油管理局研究院成都 610051;

4. 华北石油管理局测井公司河北任丘 062552;

5. 华北油田测井公司河北廊坊 102801

作者简介:
唐为清,男,1962 年出生,讲师（硕士）,应用地球物理

English Abstract

The Study on Method of Depositional Microfacies Discrimination with Well-logging Information

全文HTML

目录

友情链接

期刊在线

联系我们

留言板

沉积微相测井资料神经网络判别方法研究

作者简介: 唐为清,男,1962 年出生,讲师（硕士）,应用地球物理

计量

出版历程

The Study on Method of Depositional Microfacies Discrimination with Well-logging Information

计量

出版历程

目录

沉积微相测井资料神经网络判别方法研究

1. 石油大学 北京 100083; 2. 辽河石油管理局测井公司 辽宁盘锦 124011; 3. 四川石油管理局研究院 成都 610051; 4. 华北石油管理局测井公司 河北任丘 062552; 5. 华北油田测井公司 河北廊坊 102801

作者简介: 唐为清,男,1962 年出生,讲师（硕士）,应用地球物理

English Abstract

The Study on Method of Depositional Microfacies Discrimination with Well-logging Information

全文HTML

目录

友情链接

期刊在线

联系我们

作者简介:
唐为清,男,1962 年出生,讲师（硕士）,应用地球物理

1. 石油大学北京 100083;

2. 辽河石油管理局测井公司辽宁盘锦 124011;

3. 四川石油管理局研究院成都 610051;

4. 华北石油管理局测井公司河北任丘 062552;

5. 华北油田测井公司河北廊坊 102801

作者简介:
唐为清,男,1962 年出生,讲师（硕士）,应用地球物理