一种基于马射线光谱和机器学习的新脉冲中子-马密度记录方法
Duo Dong1,2,3, Qiong Zhang2, Defu Zang1
1Sinopec Matrix Corporation, Qingdao, Shandong 266001, China.
脉冲中子-马密度 (NGD) 记录为形成密度测量提供了更安全的替代方案. 整合马射线光谱与机器学习显著提高了NGD的准确性,优于传统方法.
科学领域:
- 地质物理学 地质物理学
- 石油工程是石油工程中的一个.
- 核地质物理学 核地质物理学
背景情况:
- 形成散装密度对于石油和天然气储库的评估至关重要.
- 脉冲中子-玛密度 (NGD) 记录是一种比玛-玛密度 (GGD) 记录更安全,更环保的替代方案.
- NGD的准确性受到诸如对生成,中子运输和钻井条件等干扰的挑战.
研究的目的:
- 分析NGD干扰因素,特别是形成化学的影响.
- 开发一个改进的NGD密度计算模型,整合马射线光谱.
- 为了利用机器学习来提高密度预测和钻孔校正.
主要方法:
- 使用路径图分析干扰因子.
- 将马射线光谱集成到密度计算模型中.
- 机器学习回归算法的应用用于密度预测和校正.
主要成果:
- 开发的模型显著提高了密度预测的准确性,从>0.03 g/cm3降低平方根平均误差到<0.01 g/cm3.
- 使用马射线光谱的机器学习方法优于传统的四探测器NGD方法,即使使用单个探测器.
- 机器学习可以实现单步密度预测和钻孔校正,改善工作流程和适用性.
结论:
- 整合马射线光谱和机器学习为准确的NGD形成密度测量提供了强大的解决方案.
- 这种先进的方法提高了成本效益,分辨率和在地球物理勘探中的适用性.
- 这项技术在储水库评估方面显示出相当大的实际潜力,即使没有停滞信息.
更多相关视频
06:28Visualization of Low-Level Gamma Radiation Sources Using a Low-Cost, High-Sensitivity, Omnidirectional Compton Camera
Published on: January 30, 2020
14:11Quantification of Hydrogen Concentrations in Surface and Interface Layers and Bulk Materials through Depth Profiling with Nuclear Reaction Analysis
Published on: March 29, 2016
相关概念视频
Atomic Absorption Spectroscopy: Radiation and Light Sources
Two common narrow-range 'line' sources used in AAS are hollow-cathode lamps (HCLs) and...
NMR Spectrometers: Radiofrequency Pulses and Pulse Sequences
High-Resolution Mass Spectrometry (HRMS)
Maxwell-Boltzmann Distribution: Problem Solving
This distribution function f(v) is defined by saying that the expected number N (v1,v2) of particles with speeds between v1 and v2 is given by
Atomic Emission Spectroscopy: Instrumentation
Atomic Absorption Spectroscopy: Overview
When irradiated by EMR of a particular wavelength, these...
