-
公开(公告)号：CN112213780B
公开(公告)日：2021-11-09
申请号：CN202010946137.1
申请日：2020-09-10
Applicant: 同济大学
Abstract: 本发明涉及一种计及弹性阻抗二阶梯度的储层参数反演方法，包括根据叠前地震数据预测弹性阻抗，利用所述弹性阻抗反演预测储层参数，所述利用弹性阻抗反演预测储层参数具体为，首先推导出一种利用修正孔隙度和流体体积模量表征的饱和流体岩石体积模量的简化近似式；其次，利用岩石体积模量简化近似式，针对内幕型孔缝储层，推导出利用密度、修正孔隙度和流体体积模量表征的反射系数近似式，并建立弹性阻抗表达式；最后，不同角度的叠前地震道集预测弹性阻抗体，利用弹性阻抗的二阶梯度，反演预测储层的密度、修正孔隙度和流体体积模量。与现有技术相比，本发明的储层参数反演结果具有较高的稳定性和可靠性。
-
公开(公告)号：CN112444841B
公开(公告)日：2021-10-08
申请号：CN202011429211.9
申请日：2020-12-09
Applicant: 同济大学
IPC: G01V1/00
Abstract: 本发明涉及一种基于分尺度多输入卷积网络的含薄层岩性地震预测方法，包括以下步骤：1)建立包含井位处的岩性标签以及对应叠前和叠后地震记录数据的学习样本；2)对叠前和叠后地震记录数据进行提取、反演和时频分析，得到卷积神经网络模型的输入数据，包括属性集、叠前地震记录数据以及分频属性数据；3)构建分尺度多输入的卷积神经网络模型并进行训练；4)采用训练好的卷积神经网络模型进行含薄层岩性地震预测。与现有技术相比，本发明具有实现含薄层岩性的准确有效预测、数据维度小等优点。
-
公开(公告)号：CN113344258A
公开(公告)日：2021-09-03
申请号：CN202110570882.5
申请日：2021-05-25
Applicant: 同济大学
Abstract: 本发明涉及一种基于分歧的半监督学习的地震岩性预测方法，包括以下步骤：S1：建立有标签学习样本，所述的有标签学习样本包含井位处的岩性标签以及对应的叠前、叠后地震记录数据、通过叠前反演获取的反演数据、叠后提取属性获取的地震信息；S2：建立无标签学习样本；S3：构建三个基分类器，基于有标签学习样本对三个基分类器进行训练；S4：利用无标签学习样本更新三个基分类器，直到三个基分类器都收敛；S5：利用训练完成的三个基分类器进行集成预测。与现有技术相比，本发明利用无标签数据采用基于分歧的半监督学习方法，有效对地震岩性进行预测，达到提升模型泛化能力的目的。
-
公开(公告)号：CN112883574A
公开(公告)日：2021-06-01
申请号：CN202110188357.7
申请日：2021-02-18
Applicant: 同济大学
IPC: G06F30/20 , E21B43/26 , G01V9/00 , G06F119/14
Abstract: 本发明涉及一种利用水力压裂微地震b值来优化页岩气井重复压裂的方法，基于水力压裂微地震监测事件的数量分布及震级大小等数据，采用地震学中描述频率‑震级分布的古登堡‑里克特关系来计算压裂阶段微地震b值的大小，并利用b值的分布云图来识别区域的应力差相对大小，为重复压裂寻找改造甜点区提供参考。本方法可在一定程度上促使重复压裂形成更加复杂的缝网，从而有效提升页岩气产能。
-
公开(公告)号：CN112444841A
公开(公告)日：2021-03-05
申请号：CN202011429211.9
申请日：2020-12-09
Applicant: 同济大学
IPC: G01V1/00
Abstract: 本发明涉及一种基于分尺度多输入卷积网络的含薄层岩性地震预测方法，包括以下步骤：1)建立包含井位处的岩性标签以及对应叠前和叠后地震记录数据的学习样本；2)对叠前和叠后地震记录数据进行提取、反演和时频分析，得到卷积神经网络模型的输入数据，包括属性集、叠前地震记录数据以及分频属性数据；3)构建分尺度多输入的卷积神经网络模型并进行训练；4)采用训练好的卷积神经网络模型进行含薄层岩性地震预测。与现有技术相比，本发明具有实现含薄层岩性的准确有效预测、数据维度小等优点。
-
Patent Agency Ranking
公开(公告)号：CN112213780A
公开(公告)日：2021-01-12
申请号：CN202010946137.1
申请日：2020-09-10
Applicant: 同济大学
Abstract: 本发明涉及一种计及弹性阻抗二阶梯度的储层参数反演方法，包括根据叠前地震数据预测弹性阻抗，利用所述弹性阻抗反演预测储层参数，所述利用弹性阻抗反演预测储层参数具体为，首先推导出一种利用修正孔隙度和流体体积模量表征的饱和流体岩石体积模量的简化近似式；其次，利用岩石体积模量简化近似式，针对内幕型孔缝储层，推导出利用密度、修正孔隙度和流体体积模量表征的反射系数近似式，并建立弹性阻抗表达式；最后，不同角度的叠前地震道集预测弹性阻抗体，利用弹性阻抗的二阶梯度，反演预测储层的密度、修正孔隙度和流体体积模量。与现有技术相比，本发明的储层参数反演结果具有较高的稳定性和可靠性。
-
公开(公告)号：CN111753871A
公开(公告)日：2020-10-09
申请号：CN202010392710.9
申请日：2020-05-11
Applicant: 同济大学
Abstract: 本发明涉及一种基于XGBOOST算法与特征工程的岩性及流体类型识别方法，包括以下步骤：1)根据钻井或测井数据获取地层的岩性及流体类型标签以及对应的弹性参数数据构建岩性及流体类型-弹性参数的学习样本；2)特征构造：根据弹性参数利用数学变换构造特征集合；3)特征选择：结合嵌入式特征选择与包裹式特征选择策略，在特征集合中选择最终的输入特征；4)通过XGBOOST算法构建多井岩性和流体识别的机器学习模型进行学习并输出岩性及流体类型识别结果与现有技术相比，本发明具有构造更多对岩性或流体敏感属性、兼顾了表达能力和泛化能力等优点。
-
公开(公告)号：CN111596354A
公开(公告)日：2020-08-28
申请号：CN202010392227.0
申请日：2020-05-11
Applicant: 同济大学
IPC: G01V1/30
Abstract: 本发明涉及一种机器学习框架下考虑空间约束的地震储层预测方法，包括以下步骤：1)构建学习样本；2)将预测区域划分为多个子区域，并为每个子区域指定训练样本权重；3)根据每个子区域对应的加权后的学习样本，采用XGBOOST算法建立并训练机器学习模型；4)采用学习后的机器学习模型分别获取每个子区域的预测结果，即每个子区域的岩性及流体类型。与现有技术相比，本发明具有考虑地质和空间约束、改善预测结果等优点。
-
公开(公告)号：CN111427086A
公开(公告)日：2020-07-17
申请号：CN202010255392.1
申请日：2020-04-02
Applicant: 同济大学
IPC: G01V1/30
Abstract: 本发明涉及一种利用纵横波振幅频率分量预测地层最大衰减参数的方法，包括：S1、以地层的最大衰减参数表征出随频率变化的纵波和横波反射系数近似表达式，以纵波和横波反射系数近似表达式为基础，建立纵波非弹性阻抗和横波非弹性阻抗的表达式；S2、将提取的纵波和横波的反射振幅频率分量，分别代入纵波非弹性阻抗和横波非弹性阻抗的表达式，得到预测的纵波非弹性阻抗和横波非弹性阻抗；S3、以初始模型为约束，利用纵波非弹性阻抗和横波非弹性阻抗联合反演得到地层最大衰减参数。与现有技术相比，本发明不仅可用于计算地层的最大衰减参数，进行地震波传播过程中衰减补偿，同时也可以用于识别含油气储层。
-
公开(公告)号：CN110346831A
公开(公告)日：2019-10-18
申请号：CN201910653044.7
申请日：2019-07-19
Applicant: 同济大学
Abstract: 本发明涉及一种基于随机森林算法的智能化地震流体识别方法，该方法首先基于测井数据进行大量的机器学习实践，通过建立勘探开发工区的流体识别机器学习网络对每口井进行测试以及筛选不同井进行盲测等手段，来验证随机森林算法在这种基于弹性属性的流体类型预测方法上的可行性和高精度，然后从井到震，利用测线上五口井的测井数据训练出一个有泛化性能的随机森林分类器，与叠前地震数据的叠前弹性参数反演结果相结合，进而预测流体类型的空间分布。与现有技术相比，本发明具有识别准确度高、避免受物性参数影响、耗时短等优点。
-
-
-
-
-
-
-
-
-
Search Results
42
records
(took 0.019 seconds)
