1) Lithologies identification
测井岩性预测
2) logging lithology
测井岩性
1.
When there are scanty core data and more log data,feedforward neural network is a very effective method to recognize the logging lithology.
在引入前馈神经网络方法的基础上，以取芯井岩芯与测井参数的对应关系作为识别模式，经过向识别模式学习获得模式识别智能知识，从而利用这些智能知识去识别未取芯井的测井岩性。
4) lithology prediction
岩性预测
1.
Mechanism of lithology prediction by double-critical DIVA method and its application;
双临界DIVA的地震岩性预测机理及应用
2.
The lithology prediction in the Ken-71 area of Shengli Oil Field is achieved by multiple seismic at- tributes and Backpropagation(BP)neural network.
利用多地震属性和 BP 神经网络可以得到胜利油田垦71地区的岩性预测,由井附近的地震道中可以提取井数据和多地震属性,并由此得到岩性信息,再用 BP 网络对岩性信息进行标定,岩性分布是基于训练好的网络和该地区的多地震属性进行计算的,结果与该区域未参加训练的井资料相比符合率为75%。
5) lithologic prediction
岩性预测
1.
A new method for seismic lithologic prediction;
地震岩性预测新方法探索
2.
Based on the high resolution 2D seismic data and combining with drilling base data, this paper studies the interlayer structure and trap condition of Gao 3 and Gao 4 subzones in Xingshugang area through and analysis on the reservoir structure interpretation and sedimentary geologic characteristic and lithologic prediction.
以高分辨率二维地震资料为基础 ,结合钻井基础数据 ,通过油层构造解释、沉积地质特征分析以及岩性预测 ,对杏树岗地区高三、高四组油层的层间构造和圈闭条件进行了综合研究 ,进一步落实了圈闭类型和控制因素 ,并对有利油气富集区进行了预
6) logging prediction
测井预测
补充资料：岩性密度测井
用γ源发出的γ射线被岩石原子吸收后，原子放出电子。岩石原子吸收γ射线的截面(称光电吸收截面)除以岩石的原子序数，为有效光电吸收截面指数Pe；根据各种岩石Pe值的不同，可区分出不同的岩性。本法适用于裸眼井，除探测岩性外，还可测量岩石的体积密度。
说明：补充资料仅用于学习参考，请勿用于其它任何用途。
参考词条