岩性识别方法是基于机器学习分类算法,可以对测井数据和测井图进行分类和识别,有效地学习和记忆储层中岩层的特征。该方法可以比较吸附岩体、决策树、随机森林和SVM四种算法,选择出最高的岩性识别精度。为满足识别精度、效率等要求提供重要依据,对测井数据的自动解释和计算机的地层自识别具有重要意义。
数据内容如下:
ILD:Induction Logging Device
SP:Spontaneous Potential
CN:Neutron Logging
ILM:Intermediate Logging Device
GR:Gamma Ray Logging
CAL:Caliper
AC:Acoustic Logging
DEN:Density Logging
采集时间 | 2009/01/01 - 2013/12/31 |
---|---|
采集地点 | 塔里木盆地 |
数据量 | 46.8 MiB |
数据格式 | Excel |
数据空间分辨率(/米) | 0.1-10m |
坐标系 |
原始测井数据为:塔里木盆地泥盆纪东河塘组测井数据。
对测井数据进行集成,采用机器学习方法对岩性进行自动识别。
数据质量良好。
# | 编号 | 名称 | 类型 |
1 | XDA14000000 | 智能导钻技术装备体系与相关理论研究 | 中国科学院战略性先导科技专项(A类) |
2 | XDA14040000 | 超深层导向钻井关键技术 | 中国科学院战略性先导科技专项(A类) |
# | 标题 | 文件大小 |
---|---|---|
1 | SHB4-1H-2OQR.xlsx | 2.7 MiB |
2 | SHB4-1H-4Oy.xlsx | 993.8 KiB |
3 | SHB4-2H井地层信息.xlsx | 5.7 KiB |
4 | SHB4-2H录井.xls | 1.1 MiB |
5 | SHB4-9H井地层信息.xlsx | 5.5 KiB |
6 | SHB4-9H录井.xls | 508.0 KiB |
7 | 顺北41X-2C2X.xlsx | 4.1 MiB |
8 | 顺北41X-3Oq.xlsx | 5.5 MiB |
9 | 顺北41X-4Oyj(加深).txt | 2.9 MiB |
10 | 顺北41X-4Oyj(加深).xlsx | 1.2 MiB |
# | 时间 | 姓名 | 用途 |
---|---|---|---|
1 | 2024/11/07 22:34 | 任*凯 |
从事智能测井解释算法训练使用,目前国内开发数据较少
|
2 | 2024/10/16 02:21 | 孟* |
非常感谢陈老师的分享,目前申请数据集的使目的是用于开发岩性识别的人工智能算法和模型。
|
3 | 2024/06/29 19:45 | 章*伟 |
论文题目:机器学习在复杂地质环境中的岩性识别的应用
论文类型:期刊论文
导师姓名:任家东
|
4 | 2024/05/29 00:44 | 李* |
使用数据集进行深度学习模型训练,并且进行相关泛用性测试
|
5 | 2024/05/19 05:11 | 王* |
以上数据将用于本人学习神经网络进行测井的岩性识别所使用的数据集,若之后将其用于项目或论文中,将会对本数据来源进行规范引用
|
©2024 中国科学院西北生态环境资源研究院 备案号:陇ICP备2021001824号-34
兰州市东岗西路320号 730000 电话:0931-4967592, 0931-4967596