论文成果

机器学习在核磁共振测井数据处理中的应用进展

摘要:低场核磁共振技术已被广泛应用于石油勘探与开发领域,在储层评价、产能预测等方面发挥着重要作用。但低场核磁共振信号极其微弱、信噪比低,导致核磁共振弛豫谱信号重叠、流体组分定量评价困难。因此,开展相对应的低信噪比核磁共振数据处理方法研究,对提升核磁共振测井技术在储层评价中的应用十分重要。随着人工智能技术的飞跃发展,越来越多学者提出将机器学习与行业融合,充分利用已有数据提高生产效率。该文首先系统归纳了机器学习在核磁共振测井中的应用及发展现状,其次分析归纳了机器学习在核磁共振测井数据处理中的研究,分为提高核磁共振测井信号的信噪比、提高反演弛豫谱的分辨率和提升弛豫谱的解释应用精度这3个应用方向,以准确完成流体组分划分和定量计算。最后基于充分调研和综合分析,对机器学习在核磁共振测井数据处理的应用发展提出了思考。

关键字:核磁共振测井;机器学习;深度学习;数据处理;解释与应用

ISSN号:1004-1338

卷、期、页:卷47期6:643-652

发表日期:2023-12-20

期刊分区(SCI为中科院分区):无

收录情况:CSTPCD(中国科技核心期刊)(统计源期刊),地学领域高质量科技期刊分级目录(国内T2)

发表期刊名称:测井技术

参与作者:傅少庆

通讯作者:罗刚,张家伟

第一作者:罗嗣慧,肖立志,邵蓉波

论文类型:期刊论文

论文概要:罗刚,罗嗣慧,肖立志,傅少庆,张家伟,邵蓉波,机器学习在核磁共振测井数据处理中的应用进展,测井技术,2023,卷47期6:643-652

论文题目:机器学习在核磁共振测井数据处理中的应用进展