福彩3d胆码计算技巧:
[1]李冰涛,王志章,孔垂显,等.基于成像测井的裂缝智能识别新方法[J].测井技术,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]
点击复制

基于成像测井的裂缝智能识别新方法()
分享到:

《测井技术》[ISSN:1004-1338/CN:61-1223/TE]

卷:
第43卷
期数:
2019年03期
页码:
257-262
栏目:
方法研究
出版日期:
2019-08-30

文章信息/Info

Title:
A New Intelligent Method of Fracture Recognition Based on Imaging Logging
文章编号:
1004-1338(2019)03-0257-06
作者:
李冰涛1 王志章1 孔垂显2 蒋庆平2 王伟方1 雷祥辉1
(1.中国石油大学(北京), 北京 100000; 2.中国石油新疆油田分公司勘探开发研究院, 新疆 克拉玛依 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)
关键词:
成像测井 裂缝参数 语义分割 霍夫变换 卷积神经网络
Keywords:
imaging logging fracture parameters semantic segmentation Hough transform convolution neural network
分类号:
P631.84
DOI:
10.16489/j.issn.1004-1338.2019.03.007
文献标志码:
A
摘要:
在所有测井资料中,成像测井资料是最直观有效的裂缝识别资料。裂缝拾取的自动化可有效减少人力消耗。采用计算机视觉领域的图像语义分割模型DeepLabv3+,对裂缝区域进行像素分割,在分割结果的基础上利用霍夫变换提取裂缝形态参数。与传统方法相比,该方法能够更为准确,快速地提取裂缝区域,求取裂缝产状。
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.

参考文献/References:

福彩3d之家杀号 www.nzrms.tw [1] 戴俊生, 熊继辉. 莘县凹陷的断裂构造与凹陷的形成和演化 [J]. 石油大学学报(自然科学版), 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] 张莹, 潘保芝, 印长海, 等. 成像测井图像在火山岩岩性识别中的应用 [J]. 石油物探, 2007, 46(3): 288-293. [4] 钟广法, 祁兴中, 马勇, 等. 电成像测井资料在裂缝成因分析中的应用 [J]. 物探与化探, 2005, 29(2): 116-118, 189. [5] 徐星, 赵万优. Star-Ⅱ成像测井在碳酸盐岩储层评价中的应用 [J]. 测井技术, 2001, 25(5): 358-364. [6] 杨柳, 李忠, 吕修祥, 等. 塔中地区鹰山组岩溶储层表征与古地貌识别——基于电成像测井的解析 [J]. 石油学报, 2014(2): 265-275, 293. [7] 耿晓洁, 林畅松, 韩剑发, 等. 塔中北斜坡中下奥陶统鹰山组岩溶储层成像测井相精细研究 [J]. 天然气地球科学, 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] 杨绪海, 张晓春. 利用声成像测井数据实现岩石裂缝特征的自动识别 [J]. 中国海上油气地质, 2000, 14(6): 429-431. [10] 薛国新, 肖立川. 成像测井中的裂缝计算机自动识别方法 [J]. 工矿自动化, 2003, 26(4): 1-3. [11] 陆敬安, 伍忠良, 关晓春, 等. 成像测井中的裂缝自动识别方法 [J]. 测井技术, 2004, 28(2): 115-117, 179. [12] 李茂兵. 电成像测井自动识别和定量评价研究 [D]. 青岛: 中国石油大学, 2010. [13] 王敏. 基于二维成像测井的裂缝性储层测井评价方法研究 [D]. 青岛: 中国石油大学, 2010. [14] 赖富强. 电成像测井处理及解释方法研究 [D]. 青岛: 中国石油大学, 2011. [15] 张晓峰, 潘保芝. 二维小波变换在成像测井识别裂缝中的应用研究 [J]. 石油地球物理勘探, 2012, 47(1): 173-176. [16] 张程恩. 成像测井裂缝识别与提取及裂缝参数计算方法研究 [D]. 长春: 吉林大学, 2012. [17] 张群会, 师玉璞, 陈有兰. 成像测井裂缝自动识别元胞自动机方法研究 [J]. 西安科技大学学报, 2012, 32(6): 772-775. [18] 刘英明, 秋英淑, 冯庆付. 成像测井图像呈正弦形地质构造自动拾取方法 [J]. 测井技术, 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] 邹长春. 一类正弦曲线的Hough变换快速检测方法 [J]. 计算机工程与应用, 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.

相似文献/References:

[1]高秋涛,黄思赵,时新芹,等.用FMI测井研究砾岩、火山岩储层[J].测井技术,1998,22(S1):56.
[2]魏涛,田洪,赵立新,等.CBIL测井在碳酸盐岩地层中的应用[J].测井技术,1998,22(S1):73.
[3]吴世旗,郭重荣,高臣,等.PLWS生产测井成像技术[J].测井技术,1998,22(S1):81.
[4]王鹏,金卫东,高会军,等.声、电成像测井资料裂缝识别技术及其应用[J].测井技术,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成像测井地面系统样机试验成功[J].测井技术,2000,24(01):13.
[6]黄继贞,朱军,李妙侠,等.国外方位电阻率测井调查分析[J].测井技术,2000,24(03):170.
[7]夏宏泉,王拥军.西南石油学院举办首届油田工程师测井新技术培训班[J].测井技术,2000,24(03):211.
[8]高宝善.SPWLA第41届测井年会学术活动[J].测井技术,2000,24(03):212.
[9]李宝同.第41届职业测井分析家年会(SPWLA)在美国达拉斯召开[J].测井技术,2000,24(04):252.
[10]王大力.微电阻率成像测井三维数值模拟[J].测井技术,2000,24(04):258.

备注/Memo

备注/Memo:
第一作者: 李冰涛,男,1993年生,硕士研究生,从事复杂油气藏人工智能表征及预测等方面工作。E-mail:[email protected]
更新日期/Last Update: 2019-08-30