基于静态电成像的砂砾岩储层岩性识别的研究.pdf

硕士学位论文基于静态电成像的砂砾岩储层岩性识别研究学科专业:地球探测与信息技术研究方向:测井理论方法与技术作者姓名:李桂山指导教师:孙建孟教授二。一一年五月
:.篖
日期:∥辍卧骆萑耗晟露嗳日期:秒年侣轊日期学位论文使用授权书大学6或其它教育机构的学位或学历证书而使用过的材料。与我一同工作的同志对研究所做的任何贡献均己在论文中作出了明确的说明。若有不实之处,本人愿意承担相关法律责任。学位论文作者签名:本人完全同意中国石油大学6有权使用本学位论文ǖú幌抻谄溆刷版和电子版褂梅绞桨ǖú幌抻冢罕A粞宦畚模垂娑ㄏ蚬矣泄夭棵送交学位论文,以学术交流为目的赠送和交换学位论文,允许学位论文被查阅、借阅和复印,将学位论文的全部或部分内容编入有关数据库进行检索,采用影印、缩印或其他复制手段保存学位论文。保密学位论文在解密后的使用授权同上。学位论文作者签指导教师签名:
摘要深层砂砾岩是重要的油气勘探目标,但这类储层岩性复杂,岩相变化快,埋藏深,岩石骨架对电阻率影响大,因此常规测井识别岩性非常困难。!暗层显微镜’’。成像数据生成图像后,可以与取心照片进行对比,而且更加直观和具有连续性。因此广泛用于识别岩性、裂缝、孔隙等,对于研究沉积环境、地层构造具有很大的优势。人工神经网络墙昀慈嗣枪惴汗刈⒌囊幻叛Э疲合生物学、数学模型和计算机算法,模拟大脑处理问题的思维,解决实际应用的数据处理问题,取得了巨大的成功。人工神经网络具有很强的容错性、自适应性及联想记忆等特点,用于岩性的识别和预测是可行的。本文的主要内容是利用成像测井识别砂砾岩岩性,首先研究成像测井的静态图像,掌握研究区内的各种砂砾岩的岩性特征,总结成像模式;然后利用数字图像处理技术,对图像进行预处理和特征提取;最后研究人工神经网络常用的模型网、网及网的网络结构和算法流程,论述了人工神经网络识别岩性的过程。通过编程,主要采用算法进行砂砾岩的岩性识别,取得了很好的效果。关键词:砂砾岩,成像测井,岩性识别,人工神经网络,
忡琇”.丽.,琣谢琣,甌,珹,猟.,、“甀,,.瓼,;,籐琀琫:琒
目录第一章绪论⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..论文研究的目的和意义⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯成像技术的发展概况⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯国内外岩性识别的研究现状⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯研究的主要内容和技术路线⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯第二章电阻率成像测井原理及图像处理方法⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..成像测井的发展和测量原理⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.上癫饩瞧原理⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯。木咛宀问饩挠跋煲蛩亍饩袢〉氖菪畔ⅰ电成像资料的预处理方法⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.≡⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.
.畛浼ò⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯研究区域的地质背景⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯深层砂砾岩的岩性特征⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.⒉恪八男浴叵笛芯俊砂砾岩相的静态电成像解释模式⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.⑼⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯图像识别原理⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.基于图像的识别算法⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..:⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.《ㄔ颉静态测井图像的特征提取⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯神经网络⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯
第一章绪论论文研究的目的和意义近年来,深层砂砾岩体受到研究人员的广泛关注。对于深层砂砾岩体油气藏的勘探也成了能源勘探的主要任务之一,在能源接替中具有举足轻重的地位。砂砾岩体通常由于其