导读:本文包含了水淹层识别论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:水淹,安塞,神经网络,油田,物性,常规,量子。
水淹层识别论文文献综述
赵娅,王伟,李盼池[1]（2019）在《基于量子神经网络的水淹层识别方法》一文中研究指出针对油藏测井解释中的水淹层计算机自动识别问题,本文首先提出一种基于量子神经网络的识别方法.首先构造了一个量子神经网络模型,该模型可以接收多维离散序列样本,隐层为量子神经元,输出层为普通神经元.采用梯度下降法设计了该模型的学习算法.然后设计了基于量子神经网络的水淹层识别方法.该方法精选了描述水淹级别的九个特征,直接采用这些特征的离散数值构造训练样本,实施网络训练,训练后的网络即可用于同类地区的水淹层识别.最后以辽河油田某区块258个地层样本为例,进行了水淹层识别处理,识别率可达88%.实验结果揭示出,量子神经网络对于水淹层自动识别问题具有良好的适应性和实用性.(本文来源于《地球物理学进展》期刊2019年05期）
马福军,李楠,刘刚,王婷[2]（2019）在《逐步判别分析方法在新北油田水淹层识别中的应用》一文中研究指出针对新北油田近几年老区调整井投产后含水较高,测井水淹层解释结果与实际符合率(75. 4%)较低这一问题,基于油层水淹后在测井响应引起变化的主要指标,应用逐步判别分析方法,建立了包含0. 5 m电阻率、声波时差和含油饱和度叁项重要指标的判别函数来判别油层水淹级别。建立的判别函数经回判检验和F检验,效果显着。将研究成果应用于新北油田12口老区调整井的水淹层识别,解释结果与实际符合率达到91. 7%,提高了水淹层识别的精度。研究成果对新北油田今后调整井的水淹层识别具有重要指导意义。(本文来源于《复杂油气藏》期刊2019年02期）
贾国伟[3]（2018）在《基于常规测井方法的水淹层识别探讨》一文中研究指出主要是从水淹层储层性质的动态特征出发,探讨关于水淹层测井曲线的相关特征,有助于水淹层的解释。(本文来源于《石化技术》期刊2018年07期）
温柔,李莉,薛巧荣[4]（2018）在《基于常规测井水淹层识别方法研究》一文中研究指出通过油层水驱的方法对石油进行开采应用较为普遍。而随着长时间的注水开发,储层中的水淹程度较为严重,地层水的矿化程度呈现较为复杂的动态特征。而通过常规的测井资料来识别水淹层是一项重要的环节。具体是依据测井的曲线图分析油层的水淹情况,定性地分析出水淹的位置与等级。基于此,本文介绍了水淹层性质的变化特点,分析了水淹层测井的曲线变化情况,阐述了水驱以后岩石发生的性质变化,对于水淹层的解释意义重大。(本文来源于《化学工程与装备》期刊2018年01期）
魏晓娥[5]（2017）在《低渗透油藏水淹层识别及水驱规律研究》一文中研究指出安塞油田侯市和杏河地区经过二十多年开发,油藏注水开发已进入中后期,据统计,杏河地区综合含水30.1%,侯市地区综合含水41.4%,部分生产层段已经出现水淹。为了以后开发时能够避开强水淹层,降低单井含水率,为调整井提供准确地射孔层位,准确地识别和评价水淹层,做好水淹层的测井解释显得越来越重要。论文基于岩心物性分析、真实砂岩水驱油特征等,研究储层的岩石学特征变化、孔渗等物性特征变化、岩石电学、润湿性变化特征,明确水淹层常规测井响应特征,然后结合理论和实验数据定性定量识别水淹层,从而提出合适的测井解释模型对本地区加密井二次解释。在此研究基础上,论文有以下几点认识:1.储层水淹后的物性参数、电性参数、地层水矿化度等均发生变化,因此,有必要重新对该地区水淹层进行定性识别和定量解释。2.沉积相和物性影响水淹层分布,水下分流河道沉积微相比分流间湾、天然堤、河口坝相更易水淹,高渗带物性更好的地区更易水淹。水驱油实验表明,不同水淹级别驱替类型不同,反映出不同油水分布情况以及剩余油赋存状态。3.灰色关联法分析表明,研究区采用RT和SP测井曲线识别水淹层更为合理、准确,并建立了基于自然电位和电阻率曲线定性识别研究区水淹层的标准。4.安塞油田杏河、侯市地区长6段储层定量识别水淹层的模型可分为两种,一种是针对水淹级别为低水淹的储层采用阿尔奇公式模型,另一种针对中高水淹级别储层,采用淡化系数解释模型进行评价。5.高水淹渗流通道砂体物性好、水驱程度高,剩余油饱和度较低,建议间歇式注采及适当的增补少量的加密井,易有利地层压力恢复及油水分异。中水淹区砂体物性较好、剩余油饱和度较高,层内及层间具有大面积的剩余油分布空间,建议采取分段分区注采,完善注采系统,同时合理增加加密井密度及射孔段。低水淹区主要是致密砂体物性差、原始含油饱和度及含油体积并不高,需要完善的注采井网和较高的驱替压差。(本文来源于《西北大学》期刊2017-06-01）
黄玉珍,寇小攀,金韦华[6]（2016）在《基于常规测井的水淹层识别方法研究》一文中研究指出论文以W地区C储层为研究对象,研发了基于常规测井资料的水淹层识别方法。该方法弥补了W地区C储层阵列感应测井、密度测井、中子测井、核磁共振测井资料的不足对水淹层识别造成的不利影响。应用效果分析表明,该方法能有效识别水淹层,应用效果良好。(本文来源于《石化技术》期刊2016年09期）
牟立伟,张美玲,颜旭[7]（2016）在《BP神经网络在低孔渗储层水淹层识别中的应用》一文中研究指出针对榆树林油田低孔渗储层水淹层识别难度大,提出以BP神经网络模型为理论基础,结合研究区岩心分析、试油、以及常规测井等资料,建立油层水淹状况与测井响应值之间的对应关系,实现对水淹层的高精度解释。通过对BP神经网络模型的训练,得到满足误差条件的最佳网络。运用最佳网络对测试数据进行检验分析,最终92.9%油层水淹状况解释准确,有效解决了低孔渗储层水淹层识别难度大,精度低的问题。(本文来源于《当代化工》期刊2016年07期）
刘凌云,许少华[8]（2016）在《基于云变换的混合计算模型在水淹层识别中的应用》一文中研究指出目前为止,现有的自动判别方法难以反映定量指标和定性指标相结合的混合信息对水淹层识别的影响.因此,为提高水淹层判别的准确度,本文提出基于云变换的定量与定性混合计算神经网络模型来实现水淹层判别.一方面,利用云模型将提取测井相数据中的定性信息,保证了原始数据的完整性与客观性;另一方面,将输入信息中的定性概念通过正向标准云变换转换为量化的数值信息,保证了数据的科学性;最终将混合信息输入混合计算神经网络模型中进行判别,从而得出结论.实验证明采用基于云变换的混合计算神经网络模型对水淹层进行识别,具有精度高、速度快的特点,是水淹层识别的一种比较实用的方法.(本文来源于《计算机系统应用》期刊2016年07期）
黄玉珍,寇小攀,金韦华[9]（2016）在《基于常规测井的水淹层识别方法研究》一文中研究指出以W地区C储层为研究对象,在分析测井资料对水淹层评价影响因素的基础上,利用自然电位测井、自然伽马测井、声波测井、电阻率测井有机结合进一步识别水淹层,研发了基于常规测井资料的水淹层识别方法。该方法弥补了W地区C储层阵列感应测井、密度测井、中子测井、核磁共振测井资料的不足对水淹层识别造成的不利影响。应用效果分析表明,该方法能有效识别水淹层,应用效果良好。(本文来源于《石化技术》期刊2016年06期）
张洪军,高月刚,王学生,王瑞刚,张昊泽[10]（2015）在《安塞特低渗透油藏水淹层识别方法及应用》一文中研究指出安塞油田部分区块已进入中高含水阶段,水驱状况和剩余油分布复杂,现有井网条件下老油田提高采收率难度加大,根据测井资料和测井响应综合分析水淹油层电性特征及水淹机理,定量定性评价油层水洗程度和水淹状况,形成了安塞油田水淹层解释方法,且符合率达高到90%左右。(本文来源于《复杂油气藏》期刊2015年04期）
水淹层识别论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
针对新北油田近几年老区调整井投产后含水较高,测井水淹层解释结果与实际符合率(75. 4%)较低这一问题,基于油层水淹后在测井响应引起变化的主要指标,应用逐步判别分析方法,建立了包含0. 5 m电阻率、声波时差和含油饱和度叁项重要指标的判别函数来判别油层水淹级别。建立的判别函数经回判检验和F检验,效果显着。将研究成果应用于新北油田12口老区调整井的水淹层识别,解释结果与实际符合率达到91. 7%,提高了水淹层识别的精度。研究成果对新北油田今后调整井的水淹层识别具有重要指导意义。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
水淹层识别论文参考文献
[1].赵娅,王伟,李盼池.基于量子神经网络的水淹层识别方法[J].地球物理学进展.2019
[2].马福军,李楠,刘刚,王婷.逐步判别分析方法在新北油田水淹层识别中的应用[J].复杂油气藏.2019
[3].贾国伟.基于常规测井方法的水淹层识别探讨[J].石化技术.2018
[4].温柔,李莉,薛巧荣.基于常规测井水淹层识别方法研究[J].化学工程与装备.2018
[5].魏晓娥.低渗透油藏水淹层识别及水驱规律研究[D].西北大学.2017
[6].黄玉珍,寇小攀,金韦华.基于常规测井的水淹层识别方法研究[J].石化技术.2016
[7].牟立伟,张美玲,颜旭.BP神经网络在低孔渗储层水淹层识别中的应用[J].当代化工.2016
[8].刘凌云,许少华.基于云变换的混合计算模型在水淹层识别中的应用[J].计算机系统应用.2016
[9].黄玉珍,寇小攀,金韦华.基于常规测井的水淹层识别方法研究[J].石化技术.2016
[10].张洪军,高月刚,王学生,王瑞刚,张昊泽.安塞特低渗透油藏水淹层识别方法及应用[J].复杂油气藏.2015
论文知识图
