公开(公告)号：CN119577440A

公开(公告)日：2025-03-07

申请号：CN202411606638.X

申请日：2024-11-12

Applicant: 中国地质大学(武汉)

Inventor： 周三栋 ,  刘新宇

IPC: G06F18/214 ,  G06F18/243 ,  G06F18/27 ,  G06N20/00

Abstract: 本申请提供了一种基于随机森林的烃源岩‑储层‑工程多参数综合预测方法，涉及地质探测领域，方法包括：收集岩心实验数据，岩心实验数据包括：游离烃含量、可动孔隙度以及脆性指数；获取测井资料；通过测井资料以及岩心实验数据，构建数据集；基于随机森林算法，建立三参数预测模型；通过训练后的三参数预测模型，实现基于测井数据完成单井到研究区三参数预测以及油气藏中甜点识别。通过改进随机森林算法，建立多种不同输入参数，多种不同输出参数的三参数预测模型。实现单井到研究区多参数预测，根据研究区的甜点分类评价表，实现全区甜点识别评价。

公开(公告)号：CN119294433A

公开(公告)日：2025-01-10

申请号：CN202411366996.8

申请日：2024-09-29

Applicant: 中国地质大学(武汉)

Inventor： 周三栋 ,  刘新宇

IPC: G06N3/006 ,  G01V20/00 ,  G01N15/08

Abstract: 本申请提供了一种基于随机森林双模态输出精准识别储层有利区方法，涉及地质领域，方法包括：获取岩心压汞实验数据以及测井曲线数据并进行预处理；根据进汞压力和进汞饱和度，计算绘制孔喉半径分布频率图；根据孔喉半径分布频率图的频率分布曲线特征进行孔喉分类，确定孔喉类型；将测井曲线数据设为自变量；将孔隙度设为因变量y1；将孔喉类型设为因变量y2；构建随机森林双模态输出模型；通过测井曲线数据、因变量y1以及因变量y2训练随机森林双模态输出模型；获取待预测的测井曲线数据；通过训练后的随机森林双模态输出模型，对待预测的测井曲线数据的孔隙度和孔喉类型进行预测；通过孔隙度和孔喉类型的预测值，确定目标有利区。

公开(公告)号：CN119415930A

公开(公告)日：2025-02-11

申请号：CN202411698806.2

申请日：2024-11-26

Applicant: 中国地质大学(武汉)

Inventor： 周三栋 ,  陈瑞彬 ,  刘新宇 ,  严德天

IPC: G06F18/213 ,  G06F18/27 ,  G06F18/243 ,  E21B49/00

Abstract: 本发明公开了一种基于测井数据特征衍生和机器学习的页岩TOC预测方法，涉及页岩总有机碳预测技术领域，基于测井数据特征衍生和机器学习的页岩TOC预测方法主要包括：利用岩石热解实验得到页岩TOC数据；根据页岩TOC数据，利用地质研究工具得到原始测井数据并进行预处理；对所述预处理后的测井数据进行特征衍生得到新数据集，并对随机森林机器学习模型进行训练得到页岩TOC预测模型，并对待测页岩数据进行预测得到页岩TOC预测结果。实施本发明提供的基于测井数据特征衍生和机器学习的页岩TOC预测方法，能提高页岩TOC预测的灵活性、适用性和正确率。

公开(公告)号：CN117784240A

公开(公告)日：2024-03-29

申请号：CN202311798749.0

申请日：2023-12-25

Applicant: 中国地质大学(武汉)

Inventor： 周三栋 ,  张伟鑫 ,  王少秋 ,  刘新宇 ,  王华

IPC: G01V1/30 ,  G01V1/28 ,  G01N15/08 ,  G01N33/24

Abstract: 本发明提供了一种基于波阻抗反演体预测万米级碎屑岩储层孔隙度的方法，涉及碎屑岩储层孔隙度预测领域，首先通过井震标定及子波优选确定反演过程中的三个参数及六个反演数据体。其次针对反演数据体是否可靠，进行三个方面的反演质控：地层QC质控、剖面抽井控质控、平面趋势质控和单井抽查，通过以上质控的步骤，最终表明目标区地震反演数据体成果成果可靠。之后利用测井资料，岩石物理关系区分砂岩、泥岩与煤层，在反演波阻抗、计算RT双三维数据体的约束下，识取砂岩发育范围，形成砂岩成果解释数据体。最后将波阻抗识别砂岩数据体与实测岩心孔隙度进行拟合，有效地预测全区孔隙度分布。

公开(公告)号：CN117172386A

公开(公告)日：2023-12-05

申请号：CN202311191218.5

申请日：2023-09-14

Applicant: 中国地质大学(武汉)

Inventor： 周三栋 ,  刘新宇 ,  严德天 ,  王华

IPC: G06Q10/04 ,  G06Q10/0639 ,  G06Q50/02 ,  G06F18/23213 ,  G06F18/24 ,  G06N3/126

Abstract: 本发明公开一种优势储层划分识别预测方法、系统、电子设备及介质，优势储层划分识别预测方法识别预测深层/超深层储层中的优势储层，包括：获取研究区的岩心实测数据构建数据库，岩心实测数据至少包括研究区的孔隙度、渗透率、含油饱和度和测井数据；采用熵权法计算岩心实测数据中各指标参数的权重，并基于各指标参数的权重计算得到综合指标；采用K均值聚类算法对综合指标进行聚类分析，完成研究区的储层分类；基于遗传算法构建随机森林模型，并以测井数据为自变量、储层类别为因变量训练随机森林模型，得到最优模型；通过最优模型识别预测研究区中的优势储层；如此，基于机器学习和测井数据进行识别预测，具有较高的普遍性、客观性和准确性。

公开(公告)号：CN119514381A

公开(公告)日：2025-02-25

申请号：CN202411720632.5

申请日：2024-11-28

Applicant: 中国地质大学(武汉)

Inventor： 周三栋 ,  刘新宇

IPC: G06F30/27 ,  G06F18/214 ,  G06F18/243 ,  G06N20/20

Abstract: 本发明公开了一种基于机器学习分析页岩储层可压性综合方法，涉及油气田开发技术领域，基于机器学习分析页岩储层可压性综合方法主要包括：根据岩心实验数据和所述对应测井数据得到训练数据集；利用随机森林回归模型构建三参数预测模型；利用训练数据集对三参数预测模型进行训练得到训练好的三参数预测模型，并对待预测测井数据进行预测得到三参数；基于三参数计算出可压性系数，进而得到研究区页岩储层可压性分类评价。实施本发明提供的基于机器学习分析页岩储层可压性综合方法，能高效、准确、普适地对页岩储层可压性进行评估。

公开(公告)号：CN117763454A

公开(公告)日：2024-03-26

申请号：CN202311743257.1

申请日：2023-12-15

Applicant: 中国地质大学(武汉)

Inventor： 周三栋 ,  刘新宇 ,  严德天

IPC: G06F18/243 ,  G01N7/04 ,  G06F18/10 ,  G06F18/27 ,  G06F18/23213

Abstract: 本发明公开一种煤岩/页岩类型划分方法，收集大量的煤岩/页岩吸附CH4实验数据，并得到CH4吸附量的影响因素；建立随机森林回归模型预测吸附甲烷量，模型自变量包括煤自身属性因素和环境因素，因变量为煤对甲烷吸附量，在模型预测精度较高的条件下，通过随机森林OOB袋外数据原理，分析因变量的主控因素。将主控因素与吸附量数据进行聚类分析，得到最终的煤岩/页岩类型划分结果。本发明方法定量化分析煤对甲烷吸附环境因素和自身属性因素影响，同时提出新的分类方法具有实际的指导探勘生产意义。

公开(公告)号：CN117330732A

公开(公告)日：2024-01-02

申请号：CN202311271647.3

申请日：2023-09-27

Applicant: 中国地质大学(武汉)

Inventor： 周三栋 ,  刘新宇 ,  王少秋 ,  王华

IPC: G01N33/24 ,  G01V1/40 ,  G06N20/00

Abstract: 本申请实施例提供了一种划分并预测深层超深层优势成岩相的方法及系统，该方法包括获取岩心薄片实验数据，以及测井数据；基于岩心薄片实验数据，确定一级成岩相类型、二级成岩相类型；以测井数据为自变量，以一级成岩相类型为因变量，基于测井数据和一级成岩相类型进行相关性分析；构建随机森林模型，以测井数据作为模型输入，以一级成岩相类型作为模型输出，经多次迭代训练后，得到用于划分一级成岩相的第一最优模型；在第一最优模型的基础上，基于测井数据和二级成岩相类型进行相关性分析、以及模型训练，得到用于划分二级成岩相类型的第二最优模型；基于第一、二最优模型划分并预测深层超深层优势成岩相。

公开(公告)号：CN119830152A

公开(公告)日：2025-04-15

申请号：CN202411849435.3

申请日：2024-12-16

Applicant: 中国地质大学(武汉)

Inventor： 周三栋 ,  陈瑞彬 ,  刘行 ,  刘新宇 ,  严德天

IPC: G06F18/2431 ,  G06N20/20 ,  G06Q50/02

Abstract: 本申请提供了一种CO2作用下煤岩峰值强度变化的可解性预测方法，涉及地质勘探开发领域，方法包括：收集实验数据和煤岩工业组分数据，构建数据集；对数据集进行预处理；建立随机森林预测模型，通过预处理后的数据集对随机森林预测模型进行训练，得到预测值；对训练后的随机森林预测模型进行解释，得到各个输入变量对输出变量的重要性排名；根据重要性排名以及预测值，绘制预测值与数据集中的真实值交会图、各输入变量对输出变量影响示意图和输入变量重要性排序图，完成CO2作用下煤岩峰值强度变化的准确预测和解释。本发明的技术方案大大提高了模型灵活性和适用性，缩短了计算时间和成本，对碳地质封存长期安全稳定具有重要指导意义。

公开(公告)号：CN119513611A

公开(公告)日：2025-02-25

申请号：CN202411720698.4

申请日：2024-11-28

Applicant: 中国地质大学(武汉)

Inventor： 周三栋 ,  刘新宇

IPC: G06F18/214 ,  G06F18/243 ,  G06F18/2431 ,  G06N20/20

Abstract: 本发明公开了一种基于数据驱动的烃源岩综合评价方法，涉及油气田开发技术领域，基于数据驱动的烃源岩综合评价方法主要包括：以岩心实测数据为因变量、对应的测井数据为自变量，通过多输出随机森林算法建立不同输出参数预测模型；以训练好的模型实现单井到研究区多参数预测，同时预测有机碳含量、游离烃含量、热解烃含量，再根据烃源岩评价国家标准划分类别并进一步建立预测烃源岩类型的模型，通过第一次机器学习实现烃源岩评价参数预测，第二次机器学习实现烃源岩类别预测，从而实现全区烃源岩综合评价。实施本发明提供的基于数据驱动的烃源岩综合评价方法，能提高烃源岩综合评价的准确性、可靠性和效率。