油气层测井知识图谱构建及其智能识别方法
基于油气层测井知识图谱构建,提出知识驱动的神经网络油气层评价模型(KPNFE).其功能主要包括:①多维度多尺度提取精细描述油气层的特征参数;②以图嵌入技术将这些特征参数所关联的实体、关系和属性表征为向量特征图;③实现油气层智能识别;④将专家知识有机地融入智能计算,建立潜力层推荐的评价体系与优选算法.以鄂尔多斯盆地姬塬区块所有钻遇三叠系延长组6段低孔低渗地层的547 口井为研究对象,随机选取其中80%的井为训练集、20%的井为验证集,KPNFE计算结果表明,验证集的解释结果与专家解释结果吻合率达94.43%,所有试油层的解释结果符合率达84.38%,较一次解释提高了 13个百分点,工作时效提高了 100倍以上,并择优推荐了 一批有望获得工业油流的潜力层.KPNFE模型继承了专家知识和经验并对其发扬提升,有效解决了油气层识别中存在的鲁棒性问题,且计算结果的可解释性强、准确性高,是老区老井测井再评价高效高质量工作的有效方法.
测井、油气层识别、知识图谱、图嵌入技术、智能识别、神经网络
49
TE122.1(石油、天然气地质与勘探)
国家科技重大专项2016ZX05007-004
2022-06-28(万方平台首次上网日期,不代表论文的发表时间)
共11页
502-512