摘要：深度学习在地质学领域有了越来越多的应用。在测井领域,可以利用深度学习方法更好地进行岩性分析、断层和裂隙识别等。测井数据最常用的数据格式是Las格式,而目前深度学习应用程序包不能直接对Las文件进行读取,因此存在数据间格式转换问题,需要将测井Las文件转化为能直接被程序包读取的数据格式。借助Visual Studio 2012平台,运用C#语言设计开发了一个LastoCSV格式转换软件,该软件能够对Las测井文件进行读取、分析、存储,然后转换为能被深度学习应用程序包直接读取的CSV格式文件,并且可对无效数据进行剔除处理。实验结果表明,该软件能快速准确地对数据进行处理并转换成CSV格式文件。

摘要：油藏数值模拟是油气田勘探开发的基础,三维地质网格模型是数值模拟的基础数据之一,网格的数量和大小决定了数值模型的精细程度,同时也影响了数值模拟的效率。为了有效保证地质模型的准确性,又可以提高数值模拟的效率,借鉴自适应网格法的思想,提出了一种改进的不均匀网格优化方法。该方法在储层物性非均质性强烈或重点研究区域采用细网格,而在储层物性均质性相对较好的区域采用粗网格,相邻粗、细网格间均匀渐变过渡。首先,设计了网格优化的基本原则;随后,在网格优化基本原则的基础之上,设计并实现了一种改进的不均匀网格优化算法;最后,以陕西省X区油田实例数据对算法的有效性和准确进行了验证。结果表明:该算法可以实现网格的均匀渐变过度,既有效减少了网格数量,又很好的保证了模型的精确度。