声波测井环境校正算法和数据结构的优化研究

来源 :中国石油大学(北京) | 被引量 : 0次 | 上传用户:aulxbdmmydb
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
在油田勘探中,声波测井数据常用于计算储层孔隙度、地层压力、油藏储量等工作。井眼的极端扩径情况对声波测井数据会造成影响,消除这种影响对于油田勘探至关重要。传统的基于模型反演的声波测井环境校正方法,可以减小极端扩径对声波测井数据的影响,校正后可使受极端扩径影响的声波测井数据更加贴近于真实的地层数据。然而,该方法在计算机运行的过程中较为不便,暴露出运行时间较长、占用数据空间较大等弊端,无法满足测井解释工作现场快速处理的要求。  本文首先深入研究声波测井射线追踪模型算法,提出分层处理和在拟传播路径周围搜索最短路径的改进方法。改进后的算法在尽量不失计算精度的基础上提高了运行速度,减小了运行时所占据的存储空间,提高了算法的效率。然后,将改进后算法以模块形式添加到“读入数据-显示曲线”平台上,集成为声波测井环境校正软件,使得校正后的数据能够图像化显示给用户。最后,利用该软件对实际地区几口扩径较严重的井,进行了声波测井资料校正处理。结果表明,利用该软件校正处理不仅减小了极端扩径对声波测井数据的影响,而且改进后算法的运行效率得到了明显提高,也更便于实际操作中的使用。
其他文献
目前,我国各油田均已进入开发后期阶段,随着石油勘探和开发工作的深入,油田积累的勘探开发信息日益丰富。由于储层的非均质性强,某些油田有些开发井井距已经达到不足百米,众多的勘
以蚁群算法为代表的群智能方法在遥感信息提取方面的研究是一个新的方法。本文在总结当前分类方法的基础上,将蚁群算法分为基于觅食行为的蚁群优化算法和基于堆尸行为的蚁群
移动网络用户的信息存储是在移动环境下对用户进行快速定位的关键。在移动环境下,对于一次通信过程,系统需要查找并定位相应的接受方的信息,而这个过程往往是要求低延迟和快
命名实体识别作为序列标注任务之一,与分词、词性标注等都是中文自然语言处理的基本任务。多个自然语言处理的应用,如信息抽取、信息检索、机器翻译和问答系统等都依赖命名实体
现代石油产业中,石油储量的预测是制定能源规划的重要组成部分。通过石油储量预测,可以制定最优的石油战略、安排石油建设以及优化配置等等。预测结果的合理性主要取决于预测方
随着计算机软硬件技术的发展使得计算机的应用领域越来越广泛,许多公司都建立了自己的内部网络用来提高办公效率,降低运营成本,这就使得通过网络传输的数据不断增加,网络在为企业
负选择算法是人工免疫的分支,对自我和非我细胞区分过程进行计算模拟,主要是模拟胸腺中T细胞的成熟过程。由于计算机安全领域的核心问题是识别异常状态,这与生物免疫系统所遇
随着分布式计算环境中,网络上的节点向着智能化和服务性方向发展,主体(Agent)和多主体系统(Multi-AgentSystem,MAS)成为支持开放的、可重构和可伸缩的新型分布式协同计算的重要
在感知真实世界时,人眼通过在视野内场景的各个区域问跳转以移动注意焦点、获取图像中的信息。视觉搜索是人最常发生的视觉行为之一,相较于一般的自由观看任务,视觉搜索中的眼动
针对现行石油勘探开发关系数据模型的缺点,深入研究了国际标准POSC数据模型。分析了Epicentre V3.0的高层模型、特点,并总结出Epicentre对中国油田信息标准化的指导意义。在厘