陈愿愿
- 作品数：8 被引量：33H指数：4
- 供职机构：川庆钻探工程有限公司更多>>
- 发文基金：国家自然科学基金国家重点基础研究发展计划更多>>
- 相关领域：天文地球自动化与计算机技术石油与天然气工程更多>>
- 基于主成分分析的极限学习机方法开展杂卤石识别被引量：3
- 2017年
- 川中地区岩性复杂,杂卤石周围广泛发育硬石膏、岩盐和其它非钾盐矿物,常规测井解释方法很难准确识别杂卤石。以极限学习机理论、主成分分析方法和测井解释为基础,把主成分分析得到的影响杂卤石识别的主变量(测井曲线)作为输入,建立极限学习机(PCA-ELM)杂卤石的精确识别模型,对比川中地区录井结果,PCA-ELM的杂卤石识别正确率达到90.74%;再以不同岩石在测井曲线上的响应特征为基础,建立杂卤石分类识别模型,分类识别正确率达到89.56%。与常规测井解释方法相比,具有速度快、操作简单、准确率高等特点。结果表明,在四川盆地钾盐勘探中PCA-ELM法是一种值得推广使用的方法。
- 陈科贵李进陈愿愿王刚
- 关键词：杂卤石主成分分析测井响应极限学习机
- 柱塞气举排水采气生产测井系统及其控制方法
- 本发明涉及一种测量系统及其控制方法，具体为柱塞气举排水采气生产测井系统，包括上位机和下位机；上位机包括安装在防喷管上的无线通信模块和井口控制器；下位机包括生产测井模块，生产测井模块安装在柱塞内部或柱塞的上部；生产测井模块...
- 黄长兵田宝陈科贵陈愿愿
- 文献传递
- 基于支持向量机的川中杂卤石分类识别研究被引量：7
- 2016年
- 杂卤石是四川盆地主要的固态钾矿物,川中地区大多数杂卤石层不纯,通常伴随石膏层、硬石膏层、盐岩层发育,甚至同层沉积,常规测井解释方法只能粗略地识别杂卤石层。以支持向量机理论和测井解释为基础,测井数据作为输入,构建预测模型,对川中地区下中三叠统杂卤石样本做精细识别,将识别结果与录井资料验证对比,正确率达到90%以上。再以预测模型为基础,结合含杂卤石岩性在测井曲线上的响应情况,构建杂卤石层分类识别模型,识别杂卤石层、石膏质杂卤石层和杂卤石膏岩层,识别正确率达到91.78%,与常规测井解释方法相比具有明显优势。结果表明,将支持向量机运用到找钾矿中具有广阔的前景。
- 陈科贵吴刘磊陈愿愿王刚
- 关键词：杂卤石支持向量机测井响应
- 柱塞气举排水采气生产测井系统及其控制方法
- 本发明涉及一种测量系统及其控制方法，具体为柱塞气举排水采气生产测井系统，包括上位机和下位机；上位机包括安装在防喷管上的无线通信模块和井口控制器；下位机包括生产测井模块，生产测井模块安装在柱塞内部或柱塞的上部；生产测井模块...
- 黄长兵田宝陈科贵陈愿愿
- 小波去噪在全波列测井资料气层识别中的应用
- 2010年
- 川东北地区碳酸盐岩地层,地质条件复杂,孔隙空间多样化,非均质性强,常规测井资料和全波列测井资料都不能准确评价气层。在详细论述离散信号的小波分解、小波去噪、信号重构以及小波函数选择等方法原理与小波去噪处理全波列测井资料步骤的基础上,通过计算机程序,开展对川东北地区某井碳酸盐岩地层全波列测井资料的处理表明,小波去噪处理后,全波列成果的曲线更加光滑,特征更加明显,能更好地识别气层,有助于测井解释精度提高。
- 钟剑陈科贵王洪芳陈愿愿杨靖
- 关键词：碳酸盐岩小波去噪全波列测井气层识别
- PSO-LIBSVM在钾盐矿层识别中的应用研究被引量：8
- 2019年
- 钾盐的紧缺严重制约了中国农业的发展,加大钾盐的勘探开发力度有助于提高我国钾盐的自给自足能力。四川盆地钾盐资源丰富,是我国目前重要的钾盐勘探开发研究区域之一。杂卤石作为四川盆地最重要的固态钾盐矿物,常夹杂在硬石膏、岩盐和白云岩等岩层中。针对常规测井解释方法难以精确识别杂卤石的问题,因此,提出一种新的基于粒子群算法(PSO)优化的支持向量机(SVM)杂卤石识别方法开展四川盆地杂卤石的分类识别研究。以PSO和SVM理论为基础,结合测井解释方法,选择对杂卤石测井响应灵敏的有效数据作为输入样本,随机产生训练集和测试集,并采用PSO优选出径向基核函数参数,建立杂卤石分类预测模型。与录井结果对比,基于PSO的SVM模型识别准确率达到了97.5758%,在识别精度和速度上明显优于交叉验证方法优化的SVM模型。结果表明,该模型在四川盆地钾盐勘探中具有广阔的应用前景。
- 杨福强陈科贵黄长兵陈愿愿李进马小林
- 关键词：四川盆地测井数据粒子群算法
- BP神经网络在富钾卤水中的应用研究被引量：5
- 2018年
- 富钾卤水是一种重要的液态钾盐资源,是四川盆地主要的找钾方向之一。川东地区三叠纪地层内与含盐系相邻的碳酸盐岩储层卤水矿化度极高,卤水资源丰富,开采潜力巨大,是我国目前钾盐勘探研究的重点区域。针对常规测井解释方法识别卤水层速度慢、准确率不高等特点,提出建立BP神经网络模型开展富钾卤水层的识别与划分。以BP神经网络理论和测井解释原理为基础,对卤水层识别影响最大的测井曲线值作为输入,建立BP神经网络模型,开展深层卤水层和富钾卤水层的识别和划分,并用准确的录井结果验证模型性能。测试发现,模型识别卤水的准确率为85.7%;改进的富钾卤水模型识别准确率为89.1%。结果表明,BP神经网络技术在四川盆地钾盐的勘探开发过程中具有广阔的应用前景。
- 陈科贵李进黄长兵陈愿愿王刚刘阳
- 关键词：富钾卤水BP神经网络模型测井响应
- BP神经网络在钻孔测井资料分类识别杂卤石中的研究被引量：15
- 2016年
- 以BP神经网络理论和测井解释为基础,测井数据作为输入,构建神经网络模型。对川中地区下中三叠统杂卤石层做精细识别,将识别结果与录井资料对比,正确率达到86.3%,在改变约束条件的情况下正确率达到97.7%,识别效果好;以杂卤石含量高低对测井响应值的影响程度不同为依据,构建杂卤石层分类识别模型,模型识别正确率达到82.51%,能较为准确且快速地识别出杂卤石层、石膏质杂卤石层和杂卤石膏岩层,与常规测井解释方法相比具有明显优势。结果表明,将BP神经网络运用到钾矿勘探中具有良好前景。
- 陈科贵刘利陈愿愿韦航王刚
- 关键词：杂卤石BP神经网络模型测井响应
