测井曲线自动分层问题研究

采油井智能分层测试技术的应用与研究摘要：在油井开采过程中运用先进的智能分层技术可以提高测试有效性，还可以加快工作开展速度，为采油工作的进一步开展奠定坚实基础。

通过对各种数据的分析确保工作开展合理性。

前期工作地有效准备可以使得油井在开采过程中降低对资金的投入要求。

为了节约油井开采过程中的资金投入、提高工作效率，本文将针对采油井智能分层测试技术的应用进行深入探究。

在不断研究过程中，找到更加适合采油井发展的具体方法为我国能分层测试技术的进一步应用和推广奠定基础。

关键词：采油井；智能分层测试技术；应用与研究随着我国社会经济和科技的不断发展，我国油田产业的开发也朝向深层次方向发展。

在不断发展的过程，油田开发遇到了各种各样的问题，为了能够解决油田多层和层间之间的矛盾，需要相关工作人员和企业在发展过程中不断探索新对策。

油田全面开采结束之后，剩余油也呈现出越来越分散的分布趋势。

这一现象的出现，使得油田开采难度得到了很大的提升。

为了能够有效解决油田开采过程中面临的问题，需要对这一问题给予高度关注。

通过各种方法让采油井的分层产出情况得到有效提升。

通常情况下，件产液剖面测试技术在使用过程中会受到周围环境的影响。

为了能够有效解决这一问题，在开采过程中可以积极利用智能分层测试技术。

在保留完整采油分层治疗记录的过程中，促进油田开采企业的可持续发展。

1、采油井智能分层测试技术的研究1.1智能分层测试管柱结构油井分层测试和开采技术，可以压成管柱完成找水、堵水、生产以及测试等多种功能，因而在油井开采过程中具有较大的应用范围。

为了能够让这一技术更好地运用在实际生产过程中，在实验中进行了多次的试验操作。

在满足基本要求的前提下，才会将该技术应用到实践生产过程中。

这种技术在室内试验过程中所取得的效果与现场应用大致相同。

在不断使用的过程中，能够充分地感受到这种技术所带来的科学性和先进性。

不仅能够有效提高油田开采的效率以外，还能够有效克服在以往油田开采过程中出现的问题。

基于测井曲线自动分层的岩性识别方法研究吴非1王卫1王佳琦2摘要：根据测井曲线数据，运用移动平均方法实现自动分层，再对得到的分层数据，采用交会图、BP神经网络、支持向量机这三种岩性识别方法，对比分析每种方法使用相同的测井资料作为样本，对相同的测井数据做预测分析，与此同时与MATLAB识别结果进行对比，从中选出比较合适的岩性识别方法。

关键词：测井数据；曲线分层；交会图；BP神经网络；支持向量机；岩性识别1 绪论地层岩性识别在水平井与地层关系解释、及随钻导向评价等方面具有的重要的研究意义。

目前，可以通过岩屑录井、取芯和测井资料的处理解释等方式来获取地下三维空间的岩性信息]。

在岩性识别过程中，主要以SP、GR、AC、RT、DEN和CN等曲线作为岩性响应特征数据，实现对测井曲线分层、岩性识别和预测进行分析。

而测井曲线分层、不同岩性识别方法对识别结果影响很大。

测井曲线分层一直是关注的热点。

目前，测井曲线分层主流的方法有人工智能、数理统计和非数理统计等方法。

雍世和认为测井曲线的数值变化不大的可以归为同一层，不同的层其差别比较大，就是所谓的层内差异法，基于统计学方法的测井曲线分层有李广场的有序聚类分析和Danilo R.Velis的变点分析法。

阎辉等提出了小波变换方法的非数理统计方法。

近年来人工智能的兴起，相关的算法也在测井曲线分层中有较多方法的应用，如刘春桃等提出了基于神经网络的测井曲线分层方法，梁亚纳等提出了基于支持向量机测井曲线分层方法等。

上述方法各有优劣，数理统计方法计算量大，但数学理论严密；非数理统计方法一般只考虑局部或整体，不适合于多因素综合；人工智能方法受样本数据影响较大，如果样本训练准确率较高，则识别的效果相对较好。

岩性识别方法更是受专家和学者探讨和研究的热点之一。

国内外关于这两方面的研究比较成熟，交会图技术法是利用测井资料进行岩性识别的常用方法[8]，随着IT技术的发展和多学科的交叉融合应用，模式识别领域的人工智能方法也被引入到岩性识别中来，比如：聚类分析法[9]、BP神经网络[10]等方法。

测井曲线自动分层问题测井曲线自动分层问题摘要本问题要求以1号井建立数学模型，对第2号至7号井进行自动分层，并与人工分层结果进行比较。

确定合适的数学模型后，再对第8号至13号这些未人工分层的井进行自动分层。

本文的研究包括三个部分：模型准备、已人工分层井的模型建立与求解以及未人工分层井的模型建立与求解。

模型准备中首先对数据进行了筛除、中值滤波和归一化，使数据受干扰更小，之后通过主成分分析，加权平均出一个新主成分曲线作为综合测井指标。

已人工分层井模型中，首先应用了层内差异法对1号井进行细分层,其分层结果局部过细，因此再应用聚类分析进行并层处理，使一些过细的分层与临近合并，得到合理结果。

之后与活度分层法进行对比，最终确定了层内差异结合聚类并层作为最终分层方案。

当有人工分层结果时，可以参考进行层名对应确定，但面对一个未知的井时，层名确定就是新的问题。

在未人工分层井模型的建立与求解中，提出了利用纯泥岩这个具有鲜明特征的地质现象作为定位标记，用来定位长71层。

在未人工分层井模型中，首先应用之前成熟的层内差异结合聚类并层得到不含层名的分层结果后，利用纯泥岩经验，确定长71层，以此为突破，先后推理可确定所有层名。

上述模型，应用在已人工分层的井上，和人工分层吻合得很好，比较成功。

应用在未人工分层的井上时，结果合理，分层清楚均匀。

层内差异和聚类并层结合使用，既能保证分层准确又可使层次合理，问题得到了很好地解决，但是极个别会出现两层合并的现象。

最后我们对所有井进行井层剖面展示和简要分析，以新的角度看到所有井的层面分布和地形变化。

本文编程和数据处理在Matlab和Excel中完成，绘图在“卡奔”地质研究软件中完成。

关键字：主成分分析层内差异聚类层名对应活度函数分析1问题重述地质人员通过经验，从一定深度开始对井进行井层划分和命名，通常这些工作都是通过人工来进行的，即人工分层方法。

该方法费时费力，且分层取值过程中主观性较强，会因为不同的个人标准出现不同分层结果。

测井曲线自动分层问题摘要在地球物理勘探中需要利用测井资料了解地下地质情形，其中测井曲线分层是第一要完成的基础工作，本文那么为进行此类大量工作而作探讨。

模型一从有效、有效的角度, 论述了测井曲线自动分层的步骤和人工分层的判别分析法。

采纳值滤法和归一法, 以此来排除因测量误差对模型的干扰。

建模期论述了模糊数学模型，新切近度公式在自动分层模型设计中的应用, 实现了测井曲线的自动分层, 模型计算期采纳主成份分析和聚类分析法，使理论取得有效的应用, 同时也验证了模型的可行性和有效性。

模型二通过先对测井曲线数据进行人工挑选，去除对结果阻碍不大的部份，通过网上查阅大量数据，得知GR和RT对分层最有阻碍，其中RT次于GR。

因此给予GR系数为0.9，RT系数为0.1，组合出一条新的测井曲线，再通过人工去除首尾毛刺，使数据更精炼，再通过中值滤波，归一化处置后，取得较明显的曲线，最后写极值分层指标函数和方差分层指标函数（程序见附录）进行两次分层，给出2至7号井的分层结果，最后用聚类分层方式做分层处置。

误差分析说明1至7号井的自动分层结果与人工分层结果吻合地专门好，模型是合理的。

关于问题二，咱们依照问题一中模型的不足作了改良，给出了8至13号井的分层结果并对结论作了大量的讨论。

关键词：测井曲线聚类分析中值滤波极值主成份分析一、问题重述在地球物理勘探中需要利用测井资料了解地下地质情形，其中测井曲线分层是第一要完成的基础工作。

测井曲线分层的目的是为了在尔后的研究中，便于对具有不同特点的地层确信研究目标，和确信将要重点研究的地层，统一不同井号的研究范围。

通常，在一个区域内，通过前期地质研究工作，结合各类测井数据，第一对最先开发的参考井进行详细研究。

一种测井数据，都反映了地质结构的特点和地层的转变，地质人员通过体会，综合各类测井数据反映的地层特点，将井从必然深度开始，对井进行井层划分和命名，如1号井从距井口深294米处开始，依次往下，定名为长3一、长3二、长33、长4一、长4二、长6一、长6二、长63、长7一、长7二、长73、长8一、长8二、长9一、长92等地层。

测井曲线的自动分层问题摘要本文研究了根据人工分层标准，利用计算机实现测井曲线自动分层的问题。

为了建立合理、合适的数学模型，首先利用人工智能方法建立有导师监督的科荷伦神经网络模型（模型一），该模型能够模拟人的思维来进行分层，理论上十分适合自动分层的问题；还利用数理统计的方法建立了层内差异法与聚类分析法相结合的模型（模型二），该模型每次能对每条曲线上的每个点进行分析，并且能够考虑整体与局部的曲线特性关系。

问题一:首先应用Kohonen自组织映射神经网络算法对测井曲线进行分层，将测井曲线数据归为输入层并进行随机训练，使竞争层的对应神经元及其邻域内的神经元受到刺激。

并以标准井为导师监督，对测井数据进行模式聚类，得出结论：该方法有强大的数据处理能力，但自动分出的层段较少，对数据识别能力不足。

然后选择层内差异法对66条测井曲线进行处理，筛选出分层能力较好的曲线，根据标准井的分层精度和数据特点，使用聚类分析法对筛选出的曲线进行聚类，得出结论：层内差异法与聚类分析法结合的分层效果比神经网络更为精细，有较高的识别能力，自动分层结果与人工分层结果近似度达到70%。

问题二:用以上两种模型对2~7号井进行自动分层，将两种方法的分层结果与人工分层结果的对比分析，决定采用层内差异法和聚类分析结合的方法对第8号~第13号井进行自动分层，得出结论：层内差异法和聚类分析相结合有助于进一步提高分层精度，且能正确识别出缺层情况，得到较为满意的分层结果。

【关键词】神经网络 Kohonen自组织映射层内差异法聚类分析法测井曲线分层1、问题重述1.1问题背景1.1.1 测井分层背景在地球物理勘探中需要利用测井资料了解地下地质情况，其中测井曲线分层是首先要完成的基础工作。

通常在一个区域内，结合各种测井数据，首先对最早开发的参考井进行详细研究。

每一种测井数据，都反映了地质结构的特点和地层的变化，地质人员通过经验，综合各种测井数据反映的地层特点，将井从一定深度开始，对井进行井层划分和命名，接着在分析随后开发的井时，也根据和参考井分层的特点和规律，依次定名。

基于有序聚类分析的测井曲线自动分层策略武汉科技大学 邹奇林 胡卫 赵亚洲指导老师：李明摘要：测井曲线的分段要求样本分类时不打乱次序，本文基于有序最优分段的理论，针对样本过大的问题首先进行中值滤波处理进而运用边缘检测的方法压缩采样点数目，对于窗口大小的选择利用BP 神经网络自我反馈寻求最佳窗口大小，在综合各种测井曲线的基础上运用主成分分析法提取主因子作为样本指标，结合有序聚类分析初步确定拟划分地层数，然后运用爬山法并做出分层数目—总变差图寻求最佳分段数，从而获得全局最优解。

最后利用Fisher ’s 判别分析进行井的地层命名，通过对分类效果进行检测，结果表明该模型求解效果精确度较高。

关键词：总变差，最优分割，边缘检测，主成分分析，爬山法，BP 神经网络 ，Fisher ’s 判别分析。

一、最优分割的介绍：1.1、测井曲线的分层问题，可以等效为对一批有序样本进行划分分段问题，这类问题的提法如下：设有一批（N 个）按一定顺序排列的样品，每一个样品测得p 项指标，其原始资料矩阵：⎥⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎢⎣⎡=⨯x x x x x x x x x X Np N N p p P N212222111211)(其中元素x ij 表示第i 个样品第j 个指标的观测值。

如果把N 个样品按顺序（不破坏序列的连续性）进行分割，其所有的可能分割方法共有：121112111-=+++-----N N N N N c c c种。

现在要求在所有的分割中找出一种分割方法，这种分割方法满足各段内的差异最小，而各段间的差异最大。

称这样的一种分割方法为最优分割法。

各段内部差异最小，即各段内的数值变化最小。

段内数值变化可用变差（类的直径）表示，样品段{1,,i i j x x x + }的变差可以表示为： )()(x x x x d ij l Tij ji l l ij -∑-==，其中∑=+-=ji l lijx x i j 11d ij 表示样品段{1,,i i j x x x + }内样品间的差异情况，d ij 越小表示段内各样品之间的数值比较接近，反之，d ij 越大表示段内个各样品数值之间的差异大，要各段内的差异达到最小，即所分成各段内的变差总和（总变差）为最小。

文章编号:1006-4095(2004)04-0021-03利用测井曲线进行地层对比的自动识别段新明(胜利油田有限公司孤岛采油厂,山东东营257231)摘要:利用常规测井曲线结合自编软件,在高频旋回地层学理论和曲线相似性方法的基础上,阐述了地层对比规则、对比曲线和对比指标的选取;借助于软件总体框架流程图、地层对比流程图介绍了自动地层对比设计思想,同时对相关系数法和重心法进行了简单的说明;实际应用表明,该方法用于地层对比具有高效性和可靠性。

关键词:测井曲线;地层对比;自动识别;旋回地层学中图分类号:TE111.3 文献标识码:A中国东部油气勘探开发攻关难度越来越大,在 十五 攻关的两个勘探领域东部深层和前第三系之中,诸多问题的正确认识都直接建筑在对地层问题的深入认识之上。

以往的岩性对比和古生物对比方法已经远远不能满足生产实际需要,迫切需要进行新的严格等时面意义上的精细划分对比。

层序地层学虽然采用的是等时面对比,但其研究精度较粗。

目前国际公认的工作方法是高频旋回地层学,也即利用地层中的高频率、短周期旋回信息进行地层划分对比。

以米兰柯维奇旋回为主要研究对象的高频旋回地层学,对于化石稀少而又缺少其他研究资料与手段的前第三系地层划分对比特别适用,国内专家学者研究证明,利用米兰柯维奇旋回地层学研究可以有效的确定地层划分对比关系,判断大层所属地质年代[1~10]。

在开发区储层层系研究中,可以较好地解决开发层系储层细分对比问题。

1 基本思路和方法1.1 地层对比规则建立地层对比规则是计算机自动对比多井地层的前提。

地层对比主要是依据各井单砂层测井曲线的形态特征、幅度、厚度、深度及其它地质信息进行同层位对比,从而确定各井小层间的连通关系。

总结地质专家对比地层的方法和过程,确立人工智能地层对比规则为 标志层选择规则:标志层是指在研究油区内普遍存在、岩性稳定、厚度均匀、在测井曲线上特征明显的地层; 相似性判断规则:测井曲线相似性是地层对比的主要依据,相似性又分为位置、形态、厚度的岩性相似; 可能性对比规则:经过相似性判断后,可能出现一井中的一个层与另一井中的多个层同时相似,也可能出现一个层在另一井中尖灭,综合各种情况从中找出最可能的对比; 非交叉对比规则:在地层对比中可能会出现多解对比和交叉对比,这时可分为2种情况予以处理:当2个对比交叉时,保留可信度较高的对比;当后续对比与已确定的对比交叉时,后续对比被禁止[11,12]。

数学建模测井曲线自动分层2011年7月18日测井曲线自动分层摘要在地球物理勘探中需要利用测井资料了解地下地质情况，其中测井曲线分层是首先要完成的基础工作。

由于数据庞大，测量、计算、分层受主观因素影响较大，耗费时间与人力，快速、精确的利用计算机自动分层方法便应运而生。

为有效消除测井数据误差的干扰，通过数据处理、分层计算和分层处理三个阶段实现自动分层。

而由多种相关变量的各条测井曲线合成综合参考曲线,解决了单一曲线的不确定性和局限性，提高了分层精度。

在数据处理中，用MATLAB语言编写了数据滤波器程序，采用中值滤波法，消除因仪器设备产生的测量数据扰动；应运极值归一化处，使量纲一致。

再通过主成分分析方法及井一的数据拟合图，选出了SP、GR、AC三个相关变量作为自动分层的影响因子。

通过对三个因子进行加权处理，合成综合参考曲线。

在分层计算中，通过聚类分析、极值分析、趋势方法分析等数学分析方法对综合参考曲线经行处理，依次处理离散曲线点，从而确定每层的上下界面。

在分层处理中，对层面进行归并处理，使得分层更加清晰、条理化。

再计算测井值，自动得出所求问题中的答案。

根据分层标准对2号至7号井的原始数据进行处理分析并计算，并将其数学模型进行自动分层的结果与附件中给出的人工分层结果进行比较分析，进一步验证和完善本文的数学模型。

并利用附件中8号至13号井的原始数据将其自动分层，从而达到实际应用的目的。

本模型通过井一建立数学模型，实现了测井曲线的自动分层，并通过2-7井对模型进行验证和完善，最后应用模型解决了8-13号井的自动分层。

【关键词】：测井曲线；主成分分析法；中值滤波；归一化处理；权重分析；聚类分析目录一.问题重述 (3)二.符号说明 (3)三.问题分析 (3)四.模型假设 (4)五.模型建立 (4)5.1自动分层计算流程 (4)5.2数据处理阶段 (5)5.3分层计算阶段 (10)5.4分层处理阶段 (14)六.模型的求解和检验 (15)6.1根据一号井得到分层值 (15)6.2中值滤波及归一化处理 (15)6.3曲线选择分析 (15)6.4确定综合参考曲线 (17)6.5由极值分析得出分层范围 (17)6.6对8-13号井自动分层 (22)七、模型扩展 (22)八、模型评价 (23)九、参考文献 (23)十、附录 (24)一、问题重述地球物理测井资料在判断岩性、划分储层和识别油气水层中起着非常重要的作用。

测井曲线分层问题摘要测井曲线分层是在地球物理勘探中利用测井资料了解地下地质情况，首先要完成的基础工作。

本文主要解决了以附件中1号井为标准井，并根据此井的各种测井曲线数据，建立了数学模型，对第2号至7号井进行自动分层，并且通过分析，与人工分层结果进行比较分析，进一步对1号井的分层结果进行说明；对第8号井至13号井进行自动分层，并给出结论两个问题。

针对问题一，本文首先通过查资料并观察附表中1号井的数据剔除了一些变化规律不明显的指标如CAL、DEVi等，筛选出了SP、GR、AC 、CNL 、RT、RILD、RILM七个显著变化的指标，根据经验又剔除了各个指标中明显错误的数据；然后利用主成分分析法的思想挑选了在主成分中贡献率较大的指标AC、CNL、SP三个指标。

接着画出三个指标的综合测井曲线，由于每一层的指标差异性、稳定性，本文采取了层内差异法，结合综合测井曲线，将每一个井进行了大致的粗分层。

最后要将相似程度高的层进行合并，而聚类分析是根据某一分类统计量来度量多个观察量之间的相似程度，依相似程度高低决定是聚合为一层，还是划为不同层，本文利用聚类分析法将第2至7号井进行细致的分层，与人工分层进行了比较，判断其精度，结果见表4、表5并对模型进行了改进，进一步提高合理性。

针对问题二，本文利用问题一中所得出的规律对第8号井至13号井进行了分层，结果见表6，并进行了分析。

关键词：测井曲线自动分层主成分分析层内差异法聚类分析测井区县分层是在地球物理勘探中利用测井资料了解地下地质情况最基本也是最重要的问题。

目前最常用的人工分层方法不仅费时费力，而且分层取值过程中受测井分析人员的经验知识和熟练程度影响较大，主观性较强，也会因为不同的解释人员的个人标准有误差，而造成不同的人员有不同的分层结果。

本文主要解决的问题有：1、以1号井为标准井，根据此井的各种测井曲线数据，建立合适的数学模型，对第2号至7号井进行了自动分层，并且通过分析，与人工分层结果进行比较分析并改进了数学模型，对1号井的分层结果进行说明。

第４３卷第４期２０００年７月地球物理学报Ｃ｝虹ＮＥｓＥＪＯＵＲＮＡＬ０ＦＧＥＯＰＨＹＳＩＣＳＶ０１．４３．№４Ｊｌｌｌｙ．，２０００【文章编号】００叭一５７３３（２０００）０５珈５６８＿０６Ｉ中图分类号】Ｐ６３１测井曲线的小波变换特性在自动分层中的应用阎辉李鲲鹏张学工李衍达｛清华太学自动化系，北京１０００８４）ｌ摘要】研究了信号在特定函数作为小波基时其小波变换过零（极值）点的特征，提出了利用小波变换过零（扳值）点特性耐测井信号进行地层划分的方法．该方法包括两个主要步骤．一是利用小渡变换的多分辨率特性得到测井曲线的形态特性随空间坐标的变化信息；二是利用小波变换过零（极值）点的特征在不同尺度上的反映．提取不同尺度下的奇异点作为分层的待参考点，结台实际情况最终确定分层点．并结合实际应用，验证了利用该方法处理测井信号的有效性．ｆ关键词】小波变换，过零点．极值点，测井曲线，自动分层．１引言地层划分的目的是把地层由上至下切割成不同的片段，划分出不同等级的地层单位，即把一个地区的地层进行纵向划分，有关地层的划分有很多种，其中最为常用的是利用测井曲线的微商极值分层Ⅲ．它可模拟人工分层，其数学模型虽然简单但与地质工作者惯用的分层方法很相似．几乎所有信号都很难直接依据原始数据来解释信号特性，而是通过提取它的特征来表征．提取何种特征常需要根据信号特性和分析目的来决定，但也不排斥提取一些具有共性的特征，如信号的过零点、极值点以及过零间隔等．信号的尖锐变化之处常是分析信号（或图像）特性的关键．由信号的小波变换在多尺度边沿上的综合特性来表示信号的突变特征是小波变换的一个重要的应用领域口１】．信号瞬变或边沿具有不同表现形式，有时过渡得比较陡峭，有时则比较平缓．小波变换的极大值在多尺度问的变化情况与这一性质直接相关．虽然目前有许多方法，可解决实际解释工作中的许多问题【【】，但离实际应用尚有差距．其主要原因是难以模拟“由粗到细，逐级分层１人工测井解释，往往在一个视觉层次上就完成了全部地层的划分工作，使地层的整体与局部信息混合在一起，难以分辨清楚．收稿日期】１９９９＿０１－２ｌ收到，１９９９珈９—２１收到修定稿．基盒项目ｌ中国石油天然气总公司“九五”攻美项目（Ｋ０９５０２２）．作者筒介ｌ闽辉．男．生于１９７３年．１９９４年毕业于石袖大学石油工程专业，１９９７年获硬士学位，１９９７年至今在清华大学自动化系攻读博士学位，主要研究模式识别理论及其在地茬勘探和测井资料处理中的应用　万方数据４期阎辉等：测井曲线的小波变换特性在自动分层中的应用５６９２表征信号的突变特征人们往往认为边沿检测虽能压缩信号的数据量，却可能丢失信号的完整信息…．近年来的研究表明０１，信号在各尺度上的边沿能完整且稳定地表征信号，小波变换的极大值在各尺度间的发展情况不仅能检测边沿，而且还能表示边沿的性质（如突变或缓变等），从而对它进行分类．例如常常用一个低通平滑函数对图像做多尺度滤波，然后对滤波结果求二阶导数，并用检测该尺度下二阶导数过零点的方法辨识图像边沿和纹理特征．，１用小波变换的极值表征信号的依据为，设滤波器的冲激响应为＾（‘ａ）＝—；一ｅ口√２ｎｏ（其中口是反映滤波器频带宽度的尺度因子），则当输人为，（０时，滤波器输出，（‘ｄ）为１ｒ业，“曲＝，（０｛＾“∞＝—≠一ｌ，（０ｅ“。