摘要：油气储集层识别是石油能源企业在勘测和开发业务中核心的任务之一.长期以来,油气行业一直依靠专家人工分析海量测井数据以对地下油气储集层进行定性分析,虽然专家解释结论有着很高的精准度,但是时间与经济成本都十分高昂.近些年来,随着以深度学习为代表的人工智能技术的迅速发展,智能油气储集层识别技术成为学术界和工业界共同关注的问题.然而,真实工业环境存在严重的传感数据不一致问题,给传统的监督学习模型带来巨大的挑战.本文针对传感器不一致情境中油气储集层识别任务展开研究,提出多尺度地质知识蒸馏网络的方法.首先,该方法提出一种多尺度特征自注意力融合机制来学习地质信息的多尺度动态表征.其次,该方法设计一种地质知识蒸馏学习模型,从非一致传感数据中学习额外的地质知识,进一步提升模型准确度.最后,在真实数据集上进行大量实验,结果充分证明本文提出的模型在油气储集层识别任务上的有效性和鲁棒性.

摘要：储层构造模型的好坏一方面直接关系到储量计算、产能预测、加密井的设计和油田的开发计划,另一方面影响了储层建模的效率。只有最大限度地整合地质知识,才有可能减少构造模型的不确定性。在探讨了储层构造建模步骤的基础上,以元城油田庆64井区的构造建模为实例,介绍了其建立的方法,并用序贯高斯模拟方法分析了其不确定性。该方法可以为同类油藏的储层构造建模提供借鉴,具有较高的实用价值。

摘要：地质体综合是地质图编制工作的重中之重,因其处理涉及内容多、业务逻辑复杂、重复工作量大,是影响编图工作推进的主要因素。为了能够实现地质体的高效综合,文章提出了一种以地质约束条件(专家知识)为核心、以制图综合为空间图形合并手段的新型地质体智能综合方法,设计并实现了围绕地质专家知识(如地质年代、地层名称等)规则映射开展的三种地质体综合方法(同属性合并、交互式选择合并、绘图合并)。使用北山地区地质图数据对地质体综合模块进行测试,经反复对比实验,证实了该方法不仅能够快速实现地质体空间图形的“一键式”合并,还可以自动完成地质知识的映射与赋值,综合结果符合地质规律。该方法为反映地质空间分布前提下对图件中地质体或其他面图元的精简提供了一种有效的自动化工具。