[1]李冰濤,王志章,孔垂顯,等.基于成像測井的裂縫智能識別新方法[J].測井技術,2019,43(03):257-262.[doi:10.16489/j.issn.1004-1338.2019.03.007]
 LI Bingtao,WANG Zhizhang,KONG Chuixian,et al.A New Intelligent Method of Fracture Recognition Based on Imaging Logging[J].WELL LOGGING TECHNOLOGY,2019,43(03):257-262.[doi:10.16489/j.issn.1004-1338.2019.03.007]
點擊復制

基于成像測井的裂縫智能識別新方法()
分享到:

《測井技術》[ISSN:1004-1338/CN:61-1223/TE]

卷:
第43卷
期數:
2019年03期
頁碼:
257-262
欄目:
方法研究
出版日期:
2019-06-30

文章信息/Info

Title:
A New Intelligent Method of Fracture Recognition Based on Imaging Logging
文章編號:
1004-1338(2019)03-0257-06
作者:
李冰濤1 王志章1 孔垂顯2 蔣慶平2 王偉方1 雷祥輝1
(1.中國石油大學(北京), 北京 100000; 2.中國石油新疆油田分公司勘探開發研究院, 新疆 克拉瑪依 834000)
Author(s):
LI Bingtao1 WANG Zhizhang1 KONG Chuixian2 JIANG Qingping2 WANG Weifang1 LEI Xianghui1
(1. China University of Petroleum, Beijing 100000, China; 2. Research Institute of Exploration & Development, PetroChina Xinjiang Oilfield Company, Karamay, Xinjiang 834000, China)
關鍵詞:
成像測井 裂縫參數 語義分割 霍夫變換 卷積神經網絡
Keywords:
imaging logging fracture parameters semantic segmentation Hough transform convolution neural network
分類號:
P631.84
DOI:
10.16489/j.issn.1004-1338.2019.03.007
文獻標志碼:
A
摘要:
在所有測井資料中,成像測井資料是最直觀有效的裂縫識別資料。裂縫拾取的自動化可有效減少人力消耗。采用計算機視覺領域的圖像語義分割模型DeepLabv3+,對裂縫區域進行像素分割,在分割結果的基礎上利用霍夫變換提取裂縫形態參數。與傳統方法相比,該方法能夠更為準確,快速地提取裂縫區域,求取裂縫產狀。
Abstract:
Imaging logging data is the most intuitive and effective for fracture identification. Automatic fracture identification effectively reduces human cost. In this paper, DeepLabv3+, the most advanced image semantic segmentation model in the field of computer vision, is used to segment the fracture zone by pixels. Based on segmented results, Hough transform is used to extract fracture shape parameters. Compared with a traditional method, this method can more accurately and quickly extract fracture zones and describe fracture shapes.

參考文獻/References:

[1] 戴俊生, 熊繼輝. 莘縣凹陷的斷裂構造與凹陷的形成和演化 [J]. 石油大學學報(自然科學版), 1992, 16(6): 1-8. [2] CHEN L C, ZHU Y, PAPANDREOU G, et al. Encoder-decoder with atrous separable convolution for semantic image segmentation [J]. arXiv preprint, 2018. [3] 張瑩, 潘保芝, 印長海, 等. 成像測井圖像在火山巖巖性識別中的應用 [J]. 石油物探, 2007, 46(3): 288-293. [4] 鐘廣法, 祁興中, 馬勇, 等. 電成像測井資料在裂縫成因分析中的應用 [J]. 物探與化探, 2005, 29(2): 116-118, 189. [5] 徐星, 趙萬優. Star-Ⅱ成像測井在碳酸鹽巖儲層評價中的應用 [J]. 測井技術, 2001, 25(5): 358-364. [6] 楊柳, 李忠, 呂修祥, 等. 塔中地區鷹山組巖溶儲層表征與古地貌識別——基于電成像測井的解析 [J]. 石油學報, 2014(2): 265-275, 293. [7] 耿曉潔, 林暢松, 韓劍發, 等. 塔中北斜坡中下奧陶統鷹山組巖溶儲層成像測井相精細研究 [J]. 天然氣地球科學, 2015(2): 229-240. [8] DONSELAAR M E, SCHMIDT J M. Integration of outcrop and borehole image logs for high-resolution facies interpretation: example from a fluvial fan in the Ebro Basin, Spain [J]. Sedimentology, 2005, 52(5): 1021-1042. [9] 楊緒海, 張曉春. 利用聲成像測井數據實現巖石裂縫特征的自動識別 [J]. 中國海上油氣地質, 2000, 14(6): 429-431. [10] 薛國新, 肖立川. 成像測井中的裂縫計算機自動識別方法 [J]. 工礦自動化, 2003, 26(4): 1-3. [11] 陸敬安, 伍忠良, 關曉春, 等. 成像測井中的裂縫自動識別方法 [J]. 測井技術, 2004, 28(2): 115-117, 179. [12] 李茂兵. 電成像測井自動識別和定量評價研究 [D]. 青島: 中國石油大學, 2010. [13] 王敏. 基于二維成像測井的裂縫性儲層測井評價方法研究 [D]. 青島: 中國石油大學, 2010. [14] 賴富強. 電成像測井處理及解釋方法研究 [D]. 青島: 中國石油大學, 2011. [15] 張曉峰, 潘保芝. 二維小波變換在成像測井識別裂縫中的應用研究 [J]. 石油地球物理勘探, 2012, 47(1): 173-176. [16] 張程恩. 成像測井裂縫識別與提取及裂縫參數計算方法研究 [D]. 長春: 吉林大學, 2012. [17] 張群會, 師玉璞, 陳有蘭. 成像測井裂縫自動識別元胞自動機方法研究 [J]. 西安科技大學學報, 2012, 32(6): 772-775. [18] 劉英明, 秋英淑, 馮慶付. 成像測井圖像呈正弦形地質構造自動拾取方法 [J]. 測井技術, 2013, 37(5): 523-526. [19] MathWorks, Convolutional Neural Network [EB/OL]. https:∥www.mathworks.com/solutions/deep-learning/convolutional-neural-network.html, 2018-09 -12/2019-1-5. [20] ZHAO H, SHI J, QI X, et al. Pyramid scene parsing network [Z]. CVPR, 2017. [21] SERMANET P, EIGEN D, ZHANG X, et al. Integrated recognition, localization and detection using convolutional networks [Z]. ICLR, 2014. [22] LONG J, SHELHAMER E, DARRELL T. Fully convolutional networks for semantic segmentation [Z]. CVPR, 2015. [23] CHOLLET F. Xception: Deep learning with depth wise separable convolutions [J]. arXiv preprint, 2017. [24] HOUGH P V C. Method and means for recognizing complex patterns [P]. US Patent, 1962(1): 235-238. [25] 鄒長春. 一類正弦曲線的Hough變換快速檢測方法 [J]. 計算機工程與應用, 2002, 38(4): 1-3. [26] ALBERTO G G. A review on deep learning techniques applied to semantic segmentation [J]. arXiv preprint, 2017. [27] ARTHUR S N. Quantitative analysis of watershed geomorphology [J]. Eos, Transactions American Geophysical Union, 1957, 38(6): 913-920. [28] CHAN T, VESE L. An active contour model without edges [C]∥Scale-Space Theories in Computer Vision, 1999. [29] PASCAL G. Chan-Vese segmentation [J]. Image Processing on Line, 2012(2): 214-224. [30] RAMI C. The Chan-Vese algorithm [Z]. http: ∥arxiv.org/abs/1107.2782, 2011. [31] LEO G. Random walks for image segmentation [J]. IEEE Trans Pattern Anal Mach Intell, 2006, 28(11): 1768-1783. [32] PABLO M N, LUIS B LUIS Á. A morphological approach to curvature-based evolution of curves and surfaces [J]. IEEE Transactions on Pattern Analysis and Machine Intelligence(PAMI), 2014.

相似文獻/References:

[1]高秋濤,黃思趙,時新芹,等.用FMI測井研究礫巖、火山巖儲層[J].測井技術,1998,22(S1):56.
[2]魏濤,田洪,趙立新,等.CBIL測井在碳酸鹽巖地層中的應用[J].測井技術,1998,22(S1):73.
[3]吳世旗,郭重榮,高臣,等.PLWS生產測井成像技術[J].測井技術,1998,22(S1):81.
[4]王鵬,金衛東,高會軍,等.聲、電成像測井資料裂縫識別技術及其應用[J].測井技術,2000,24(S1):487.
 Wang Peng,Jin Weidong,et al ...Fracture Identification with Acoustic and Electric Imaging Logging Data and Their Applications.[J].WELL LOGGING TECHNOLOGY,2000,24(03):487.
[5]李安宗.ERA2000成像測井地面系統樣機試驗成功[J].測井技術,2000,24(01):13.
[6]黃繼貞,朱軍,李妙俠,等.國外方位電阻率測井調查分析[J].測井技術,2000,24(03):170.
[7]夏宏泉,王擁軍.西南石油學院舉辦首屆油田工程師測井新技術培訓班[J].測井技術,2000,24(03):211.
[8]高寶善.SPWLA第41屆測井年會學術活動[J].測井技術,2000,24(03):212.
[9]李寶同.第41屆職業測井分析家年會(SPWLA)在美國達拉斯召開[J].測井技術,2000,24(04):252.
[10]王大力.微電阻率成像測井三維數值模擬[J].測井技術,2000,24(04):258.

備注/Memo

備注/Memo:
第一作者: 李冰濤,男,1993年生,碩士研究生,從事復雜油氣藏人工智能表征及預測等方面工作。E-mail:[email protected]
更新日期/Last Update: 2019-08-30
大乐透最近300期