王俊
- 作品数：9 被引量：52H指数：4
- 供职机构：成都理工大学沉积地质研究院更多>>
- 发文基金：国家自然科学基金国家科技重大专项中国石油化工集团公司科技攻关项目更多>>
- 相关领域：天文地球自动化与计算机技术文化科学更多>>
- 基于长短期记忆网络的钻前测井曲线预测方法被引量：15
- 2020年
- 基于深度学习的最新成果,提出了一种基于长短期记忆(long short-term memory)循环神经网络的钻前测井曲线预测方法,使用该方法能从已钻地层段及邻域内获得的测井数据预测钻前的测井曲线,进而获得钻前的地层岩石信息,解决油气钻探过程中测井曲线只能在钻后获得的滞后性,以提高钻前地层构造及压力预测的准确性。将其与普通循环神经网络的预测结果进行对比分析,结果表明,长短时记忆网络建模预测效果良好,能比较准确地预测钻前测井曲线的变化趋势,是一种有效且预测精度较高的钻前测井曲线预测方法。
- 王俊曹俊兴刘哲哿周欣雷学
- 关键词：循环神经网络
- 基于GRU的汶川地震川西气井压力前兆异常识别研究
- 2021年
- 前兆异常出现的时间特征能够体现地震孕育的过程,通过分析前兆信息可以对地震进行短临预测,在地震预测研究中发挥着重要作用.然而传统的计算方法和处理分析模式已经很难快速地从海量观测数据中自动定位异常,识别的精度和适用性也存在不足.因此,本文从井生产数据出发,结合STL时间序列分解、趋势拟合、扩容理论和油气运移等,对汶川地震川西气井压力前兆异常现象和产生机理进行分析,并提出将门控循环神经网络(GRU)模型应用于前兆异常识别中.结果表明,川西地区多口井的气井压力数据在汶川地震前同时出现了异常降低现象,很好地反映出地震前的短临异常.相比于循环换神经网络(RNN),GRU模型充分考虑了井生产数据之间的复杂非线性关系和历史关联程度,能够准确地识别出气井压力的前兆异常现象,模型结果也具有较小的均方根误差(RMSE)和平均绝对误差(MAE),可以作为一种新思路应用于地震前兆异常识别当中.
- 刘杰曹俊兴蒋旭东王俊王俊周欣
- 关键词：前兆异常气井压力循环神经网络
- 鄂尔多斯盆地北部晚古生代沉积充填及富气规律被引量：17
- 2012年
- 为探究鄂尔多斯盆地上古生界的富气规律,综合野外露头和钻井的岩石学、沉积构造、剖面结构等资料,分析了沉积充填过程中"源-输-汇"耦合作用与沉积物的时空聚集规律,揭示出鄂尔多斯晚古生代克拉通坳陷盆地北部平坦宽缓的古地貌背景为多河道浅水三角洲频繁进退和侧向迁移及砂体集聚提供了空间,从而在多物源供砂与多水系输砂作用下形成了立体网毯状砂体.对上古生界进行了系统的层序划分,分析了盆地的构造演化和沉积充填过程,认为海相盆地向陆相盆地转化阶段的山西超长期旋回SLSC3和下石盒子超长期旋回SLSC4的底部辫状河三角洲或曲流河三角洲形成了有利于天然气运移聚集的立体网毯状砂体,是储层发育和分布的最有利相带,上石盒子超长期旋回SLSC5的网状河三角洲与湖泊沉积的厚层泥岩铸造了区域性盖层,加上陆表海和近海湖盆的聚煤作用,形成了鄂尔多斯盆地天然气藏的生储盖组合,成就了上古生界"满盆生气、过渡(层)含气、斜坡富气、岩性控气"的特点.
- 陈安清陈洪德侯明才徐胜林张成弓王俊
- 关键词：物源分析浅水三角洲鄂尔多斯盆地
- 基于深度双向循环神经网络的储层孔隙度预测被引量：11
- 2022年
- 储层孔隙度是描述储层特征的重要参数之一,根据测井资料进行准确的孔隙度预测对于储层精细描述至关重要.为此,发展一种基于深度双向循环神经网络的储层孔隙度预测方法,并利用实际井数据验证其有效性和准确性.将测井数据看成纵向上具有联系的时序数据,利用双向循环网络建立测井数据与储层孔隙度之间的非线性映射关系,同时引入"丢弃"和"早停止"策略防止过拟合.研究结果表明,相较于多元线性回归方法和全连接深度神经网络,该方法不仅有效解决了孔隙度预测中的空间尺度问题,而且弥补了传统深度网络无法提供上下文信息的缺陷,提高了孔隙度预测的准确性和稳定性.
- 王俊王俊曹俊兴
- 关键词：人工智能孔隙度预测
- 利用卷积神经网络预测横波速度
- 测井参数与横波速度之间存在一定的相关关系,但是这种复杂关系很难得到解析解。为此,构建了卷积神经网络深度学习横波速度智能预测方法,并进行了实例应用。该方法采用均方误差作为损失函数,利用早停止技术避免过拟合,通过不断减小损失...
- 王俊赵爽曹俊兴周鹏
- 关键词：人工智能卷积神经网络
- “双一流”背景下地质类硕士研究生招生现状及启示被引量：1
- 2023年
- 本文通过对2017—2022年成都理工大学、西南石油大学、中国地质大学(武汉)三所高校的地质学(理学)专业、地质资源与地质工程(工学)专业、地质工程(专业学位)专业的招生人数和成都理工大学地质资源与地质工程专业不同方向招生人数的统计,以及对成都理工大学沉积地质研究院2021—2022年地质学、地质工程专业的报考情况进行统计分析,认为地质类专业作为冷门专业,在研究生报考热度逐年攀升的大背景下,在“双一流”高校中并不具有明显招生优势,同时还存在本校生源明显流失的情况。地质资源与地质工程(工学)专业和地质工程(专业学位)专业是未来地质类硕士研究生招生的主要生长点,但对于一直以地质学(理学)专业研究生培养为主的院系,专业学位硕士的招生和培养优势可能尚未形成。针对上述招生现状,为了提高考生生源数量和质量,相关高校应在招生宣传工作、考生激励机制、专业及研究方向结构、专业硕士学位培养模式、就业渠道等方面进行改革和探索。
- 向芳李凤杰蒋龙王俊苏中堂杨文光
- 关键词：地质类专业硕士研究生招生
- 基于远减近衰减梯度属性与Bi-LSTM神经网络联合的隐蔽河道砂体识别方法被引量：4
- 2022年
- 岩性作为一种重要的储层物性,其包含了重要的流体信息及储层特征,对其准确的识别可以为储层预测工作提供重要基础.我国一些河流相油气藏沉积环境复杂,多期叠置等问题造成储层砂体隐蔽的现象.为有效的识别隐蔽河道砂体,本文发展了一种基于远减近衰减梯度属性与Bi-LSTM神经网络联合的隐蔽河道砂体识别方法.该方法以远减近地震衰减梯度属性凸显隐蔽河道砂体为基础,以此为输入,河道砂体作为标签,借助Bi-LSTM深度神经网络构建输入数据与砂体岩性间的非线性关系.应用该方法进行川西中江气田某工区隐蔽河道砂体识别,识别出了此前未曾发现的隐蔽河道砂体,并刻画出了2条隐蔽河道.
- 周鹏曹俊兴曹俊兴刘俊王俊
- 关键词：岩性预测地震属性
- 基于深度混合神经网络的横波速度反演预测方法被引量：4
- 2022年
- 横波速度是最重要的岩石物理参数之一,在油藏描述、地震叠前反演和地质力学分析中至关重要,但实测获得不易.在无实测横波数据可用时,岩石物理建模计算预测被认为是精度最高的横波速度预测方法.但因地下地质结构的复杂性与岩石矿物组成的多样性等因素,岩石物理建模预测结果易受建模者认知、经验等多种因素的影响.因此,研究发展新的更稳健简便的横波速度反演预测方法具有重要意义.受集成学习思想的启发,文章基于储层地质沉积规律及其在测井响应上的特点,将深度学习中经典的卷积神经网络(CNN)与长短期记忆网络(LSTM)相结合,发展了一种基于深度混合神经网络(DHNN)的横波速度反演预测方法.该方法以常规的声波与密度等常规测井数据为输入,利用CNN建立输入数据与横波速度的非线性映射关系,利用LSTM融入地层垂向变化趋势信息,实现数据驱动的横波速度智能反演预测.实际数据应用结果表明,文章发展的方法使用单井数据集进行训练即能获得与岩石物理建模计算相当的预测结果,且具有较强的泛化适用性.该方法的实施为横波速度的稳健简便预测提供了新的方法技术,具有重要的学术价值与很好的应用前景.
- 王俊王俊曹俊兴赵爽
- 关键词：卷积神经网络混合神经网络
- 川西坳陷新场气田上三叠统须家河组须四上段沉积微相研究被引量：1
- 2013年
- 综合新场地区33口钻井须四上亚段的73个岩心标本及221块岩石薄片等资料,运用沉积学和层序地层学理论方法,从岩石特征、沉积构造、测井相及地震相等方面详细分析了川西坳陷新场气田须家河四段上亚段X44,X43,X42三个砂层组的沉积微相展布及特征。结果表明,研究区须四上亚段为三角洲沉积三角洲前缘亚相,包括水下分流河道、分流间湾、天然堤、河口坝四种沉积微相,X44,X43,X42各小层的沉积微相展布显示出退积-进积的沉积过程,储集性砂体主要分布于水下分流河道微相中。
- 雍云乔侯明才王文楷王俊李秀华
- 关键词：沉积微相水下分流河道
