Incremental correlation of multiple well logs following geologically optimal neighbors

相关性 路径(计算) 稳健性(进化) 动态时间归整 测井 地质学 算法 欧几里德距离 数据挖掘 计算机科学 数学 人工智能 几何学 地球物理学 基因 化学 程序设计语言 生物化学
作者
Xinming Wu,Yunzhi Shi,Sergey Fomel,Fangyu Li
出处
期刊:Interpretation [Society of Exploration Geophysicists]
卷期号:6 (3): T713-T722 被引量:8
标识
DOI:10.1190/int-2018-0020.1
摘要

Well-log correlation is a crucial step to construct cross sections in estimating structures between wells and building subsurface models. Manually correlating multiple logs can be highly subjective and labor intensive. We have developed a weighted incremental correlation method to efficiently correlate multiple well logs following a geologically optimal path. In this method, we first automatically compute an optimal path that starts with longer logs and follows geologically continuous structures. Then, we use the dynamic warping technique to sequentially correlate the logs following the path. To avoid potential error propagation with the path, we modify the dynamic warping algorithm to use all the previously correlated logs as references to correlate the current log in the path. During the sequential correlations, we compute the geologic distances between the current log and all of the reference logs. Such distances are proportional to Euclidean distances, but they increase dramatically across discontinuous structures such as faults and unconformities that separate the current log from the reference logs. We also compute correlation confidences to provide quantitative quality control of the correlation results. We use the geologic distances and correlation confidences to weight the references in correlating the current log. By using this weighted incremental correlation method, each log is optimally correlated with all the logs that are geologically closer and are ordered with higher priorities in the path. Hundreds of well logs from the Teapot Dome survey demonstrate the efficiency and robustness of the method.

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
情怀应助Marvel采纳,获得10
刚刚
qaplay完成签到 ,获得积分0
刚刚
大力水手完成签到,获得积分10
刚刚
晨珂完成签到,获得积分10
刚刚
远山完成签到,获得积分10
1秒前
LM完成签到,获得积分10
1秒前
六氟合铂酸氙完成签到,获得积分10
1秒前
基因金完成签到,获得积分10
1秒前
2秒前
司空大有完成签到,获得积分10
2秒前
Fashioner8351完成签到,获得积分10
2秒前
2秒前
Dore完成签到,获得积分10
4秒前
西门戆戆发布了新的文献求助20
5秒前
小蓝人完成签到 ,获得积分10
7秒前
tang发布了新的文献求助10
9秒前
10秒前
ZR14124完成签到,获得积分10
11秒前
自由的蛋挞完成签到,获得积分20
11秒前
芋头读文献完成签到,获得积分10
11秒前
咔酱完成签到,获得积分20
11秒前
11秒前
小太阳完成签到,获得积分10
11秒前
i羽翼深蓝i完成签到,获得积分10
12秒前
wenjian完成签到,获得积分10
12秒前
Vicky完成签到 ,获得积分10
13秒前
superzyj发布了新的文献求助10
15秒前
咔酱发布了新的文献求助10
15秒前
大胆的忆寒完成签到,获得积分10
15秒前
Marvel发布了新的文献求助10
15秒前
QQLL完成签到,获得积分10
16秒前
科研小白完成签到 ,获得积分10
16秒前
科研小lese完成签到,获得积分10
17秒前
刘田完成签到,获得积分10
17秒前
如意完成签到,获得积分10
17秒前
Raylihuang应助科研通管家采纳,获得10
17秒前
wanci应助科研通管家采纳,获得10
17秒前
在水一方应助科研通管家采纳,获得10
17秒前
HelloKun完成签到,获得积分10
17秒前
Raylihuang应助科研通管家采纳,获得10
17秒前
高分求助中
Sustainability in Tides Chemistry 2000
Microlepidoptera Palaearctica, Volumes 1 and 3 - 13 (12-Volume Set) [German] 1122
Дружба 友好报 (1957-1958) 1000
The Data Economy: Tools and Applications 1000
Mantiden - Faszinierende Lauerjäger – Buch gebraucht kaufen 700
PraxisRatgeber Mantiden., faszinierende Lauerjäger. – Buch gebraucht kaufe 700
A Dissection Guide & Atlas to the Rabbit 600
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3099839
求助须知:如何正确求助?哪些是违规求助? 2751315
关于积分的说明 7612624
捐赠科研通 2403180
什么是DOI,文献DOI怎么找? 1275200
科研通“疑难数据库(出版商)”最低求助积分说明 616295
版权声明 599053