公共文化服务平台

共 9 条记录，以下是 1-9

全选清除导出

排序方式：

基于Lucy-Richardson算法和广义S变换的Q值提取被引量：4: 2019年; 品质因子Q能够定量衡量地震波的衰减。当地层厚度较薄时,常规的时频分析方法很难满足Q值估计的精度要求,其稳定性差。为此,将Lucy-Richardson算法与广义S变换相结合,推导出了新的谱比法品质因子估算公式。该方法引入高斯窗函数的尺度调节因子λ和p调节时窗函数的宽度和幅值,将广义S时频谱与高斯窗的Wigner-Ville分布代入Lucy-Richardson算法中,再利用对数谱比值与一个新定义的参数γ进行拟合,得到Q值。利用复杂模拟信号验证了Lucy-Richardson算法广义S变换的分辨率及聚集性,然后利用粘弹性层状模型进一步验证了该方法提取Q值的准确性。实际地震资料的应用结果表明,基于Lucy-Richardson算法广义S变换提取的Q值能准确区分含油气区域和围岩,与井资料吻合良好。; 李波李波文晓涛何健黄伟; 关键词：品质因子广义S变换谱比法 WIGNER-VILLE分布时频分析

一种构造挤压实验模拟装置: 本实用新型公开了一种构造挤压实验模拟装置，包括龙门架、上压板、上压头、下压头、下模座、挤压油腔和压力表，所述龙门架顶部安装有液压机，液压机上油缸底端安装有活塞杆，活塞杆底端连接固定盘，上压板底部安装有上压头，所述上压头下...; 李成英冉港雄何健; 文献传递

基于随机森林算法的叠前流体识别被引量：3: 2022年; 虽然叠前反演技术能够获得多种流体识别因子,但是仅利用单一的流体识别因子进行储层预测通常会带来多解性问题。目前根据多种流体识别因子对储层进行综合解释已成为一种新的趋势,但大部分方法对专家及其经验存在较强的依赖。鉴于此,将随机森林算法引入储层流体识别。首先基于测井数据优选输入特征(流体识别因子),并分别研究输入特征数量和不同特征组合对算法预测结果的影响;然后利用该算法对输入特征与井中储层信息之间的非线性关系进行学习;最后根据学习结果对储层进行综合判别,实现多种流体识别因子的综合利用。该算法削弱了单一流体识别因子所引起的多解性,提高了储层流体识别的精度与可靠性。应用实例表明,通过随机森林算法对5种流体识别因子与井中储层信息进行综合学习,达到了对含气储层和含水储层进行准确识别的目的。; 何健文晓涛文晓涛李波李垒; 关键词：叠前反演多解性流体识别

基于随机森林算法的储层预测: 根据叠前、叠后地震数据求取的地震属性与流体识别因子被广泛地应用于储层预测中,如裂缝带识别、流体识别等。但是随着勘探程度的深入和地下地质条件的日趋复杂,这些方法存在的问题也因此日益突出,主要有:（1）根据叠前、叠后地震数据...; 何健; 关键词：流体识别; 文献传递

隧道全断面施工数值模拟被引量：4: 2009年; 根据新奥法原理并结合工程地质条件,采用全断面开挖施工,对隧道施工进行了数值模拟,就其模拟结果进行了详细分析,从而找出隧道施工中围岩及支护结构的应力应变发展变化规律。; 何健魏碧辉谭张琴; 关键词：隧道数值模拟围岩支护结构

都汶公路隧道震害评估及修复研究: 隧道和其它地下结构在以往一直被认为是抗震性比较优越的工程建筑，然而近年来随着隧道数目的激增及鉴于地震作用对工程结构产生的较大破坏和带来的严重损失，人们开始对隧道及地下结构的抗震及震害等相关研究倾注了更多关注。2008年5...; 何健; 关键词：公路隧道安全性评价边坡处治; 文献传递

基于近似支持向量机的裂缝分类方法被引量：5: 2020年; 对广泛存在于各类岩层中的裂缝带进行精细刻画与综合预测是裂缝型油气藏勘探的关键。为了避免多解性问题,学者们通常采用多属性对其进行综合预测,但如何有效地利用众多地震属性与裂缝带发育程度之间的非线性关系对裂缝带发育状况进行准确分类仍是一大难题。将近似支持向量机算法引入裂缝带的分类识别中,建立了3种刻画储层裂缝带的地震属性与井中裂缝发育信息之间的非线性模型,得出了反映裂缝带特征的最佳判别规则,利用该规则对多个属性进行综合判别,克服了单属性的多解性,提高了储层裂缝带的分类精度。实例应用表明,该算法削弱了依靠单一因素识别储层裂缝带的局限性,为储层内裂缝带发育状况的准确分类提供了新的研究思路。; 何健何健聂文亮刘松鸣黄伟; 关键词：非线性模型近似支持向量机多属性

准噶尔盆地春光区块新近系沙湾组N1S22沉积体系研究: 准噶尔盆地是我国大型中新生代沉积盆地。车排子地区位于其西北部。车排子凸起在前期勘探中已取得了重要进展，目前勘探程度相对较高，2005年，胜利油田在车排子区块钻探中，排2井喜获新近系沙湾组轻质油层，揭开了春光油田勘探开发的...; 何健; 关键词：深水扇波形分析准噶尔盆地

基于随机森林算法的AVO类型判别被引量：6: 2020年; AVO技术可用于含气储层的识别,对油气勘探具有重要意义。人工识别储层AVO类型人为干扰因素较大,识别精度较低且耗时较长。由此,本文引入随机森林算法,利用Bootstrap重复抽样及枝叶节点分裂等技术生成大量决策树分类器,通过统计所有决策树的分类结果实现对储层AVO类型的判别。首先,基于工区内测井数据建立速度密度模型;其次,利用Shuey近似公式计算AVO曲线并获得该曲线对应的拟合多项式;第三,根据拟合多项式提取形态特征参数作为随机森林算法的训练数据集输入参数,将人工AVO类型识别结果作为输出参数,训练并得到决策树分类器;最后,以实际叠前地震数据的AVO曲线特征参数为输入参数,通过随机森林决策树分类判别得到工区内储层AVO类型。通过与近似支持向量机算法的对比结果可以看出,两种算法对储层AVO类型判别结果相近,都具有较高的准确率,但相比之下随机森林算法所需特征属性较少,泛化性较强,具有更好的普适性。; 刘浩男文晓涛何健陈芊澍张晓琦; 关键词：储层预测

全选清除导出

共1页<1>

何健