基于微电阻率扫描成像测井的沉积微相识别

详细信息   全文下载|推荐本文 |

• 出版年：2009
• 作者：孙鲁平；首皓；赵晓龙；李平
• 单位1：中国石油勘探开发研究院
• 出生年：1984
• 学历：博士研究生
• 语种：中文
• 作者关键词：微电阻率扫描成像测井；沉积微相；神经网络；识别
• 起始页：379
• 总页数：5
• 经费资助：国家重点基础研究发展计划（2007CB209505）、国家科技部国际科技合作项目（2006DFB62030）和教育部博士后科研基金（20080430527）联合资助
• 刊名：测井技术
• 是否内版：否
• 刊频：双月刊
• 创刊时间：1977
• 主管单位：中国石油天然气集团公司
• 主办单位：中国石油集团测井有限公司
• 主编：陆大卫
• 地址：陕西省西安市南郊红专南路8号
• 邮编：710061
• 电子信箱：cnpcwlt@126.com
• 网址：http://www.cnpcwlt.com
• 卷：33
• 期：4
• 期刊索取号：P635.06 649-2
• 数据库收录：中文核心期刊；中国科技核心期刊；中国期刊全文数据库(CJFD)全文收录；中国科学引文数据库来源期刊；中国科技论文统计源期刊；中国科技期刊数据库（全文版）收录；中国《CAJ-CD规范》优秀奖；美国《化学文摘》(CA)收录；俄罗斯《文摘杂志》(AJ)收录；美国《石油文摘》(PA)收录；《中国石油文摘》(CPA)收录；美国SPWLA地球物理数据库收录；陕西省优秀科技期刊一等奖；中国石油天然气集团公司优秀期刊；中国期刊方阵双效期刊；
• 核心期刊：中文核心期刊；中国科技核心期刊

摘要

微电阻率扫描成像测井（FMI）可提供井筒周围清晰、直观的岩层图像。在沉积微相分析中，用岩心资料和常规测井资料对FMI测井图像标定后进行沉积模式识别，能增加分析结果的可靠性。以往用FMI测井图像沉积微相分析时，需要大量人工参与，解释效率低。基于计算机图形学算法与神经网络分类器原理，提出了一种直接由FMI图像自动识别沉积微相的方法，与传统沉积微相识别方法相比提高了解释效率并减少了人为因素的干预。实践表明用该方法识别沉积微相，可靠性和识别效率得到很大提高。