核磁共振T2谱奇异值分解反演改进算法

doi:10.7623/syxb200506012

石油学报 ›› 2005, Vol. 26 ›› Issue (6): 57-59.DOI: 10.7623/syxb200506012

核磁共振T2谱奇异值分解反演改进算法

姜瑞忠¹, 姚彦平², 苗盛², 张春生³

1. 中国石油大学石油工程学院, 山东, 东营, 257061;
2. 中国科学院渗流流体力学研究所, 河北, 廊坊, 065007;
3. 郑州防空兵指挥学院, 河南, 郑州, 450052

收稿日期:2005-02-28 修回日期:2005-05-18 出版日期:2005-11-25 发布日期:2010-05-21
作者简介:姜瑞忠,男,1964年4月生,2002年获西南石油学院油气田开发工程博士学位,现为中国石油大学(华东)副教授,硕士研究生导师,主从事油藏工程方面的教学与科研工作.E-mail:Jrzhong@hdpu.edu.cn
基金资助:
国家重点基础研究发展规划(973)项目(G1999043310)资助

Improved algorithm for singular value decomposition inversion of T2 spectrum in nuclear magnetic resonance

JIANG Rui-zhong¹, YAO Yan-ping², MIAO Sheng², ZHANG Chun-sheng³

1. Faculty of petroleum Engineering, China University of Petroleum, Dongying 257061, China;
2. Institute of Porous Flow and Fluid Mechanics, Chinese Academy of Sciences, Langfang 065007, China;
3. Institute of Zhengzhou Field Anticraft Academy, Zhengzhou 450052, China

Received:2005-02-28 Revised:2005-05-18 Online:2005-11-25 Published:2010-05-21

摘要/Abstract

摘要： 介绍了核磁共振T2谱传统奇异值分解(SVD)反演算法,从向量空间的角度对算法进行了分析,提出了一种新的实现非负约束的迭代方案,并根据这个方案改进了传统的SVD反演算法。数值模拟实验和实际应用表明,改进的SVD反演算法具有解算速度快和T2谱分布连续等优点,解决了传统SVD反演算法在实际应用中存在的计算量大和T2谱分布不连续的问题,可以满足核磁共振岩心分析和核磁共振测井工作的需求。

关键词: 核磁共振, 谱分析, 岩心分析, 核磁测井, 奇异值分解, 数值模拟

Abstract: The nonnegative constraint inversion problem of nuclear magnetic resonance(NMR) was analyzed by the multi-exponential model.The common ways of singular value decomposition(SVD) algorithm is to reduce the coefficient matrix and diminish the negative components iteratively.Such procedure may result in a large amount of computation and discontinuity of T2 spectrum.The common SVD algorithm was briefly discussed and analyzed on the basis of vector space,and a new iterative scheme was proposed to achieve the nonnegative constraint.Based on this scheme,the SVD inversion algorithm was improved.The numerical simulations and laboratory application indicated that the improved SVD algorithm could reduce the amount of computation greatly and keep the continuity of T2 spectrum.This algorithm overcomes the faults of the common SVD algorithm and can be applicable in NMR core analysis and NMR logging.

Key words: nuclear magnetic resonance, spectrum analysis, core analysis, NMR logging, singular value decomposition, numerical simulation

中图分类号:

P631.8

姜瑞忠, 姚彦平, 苗盛, 张春生. 核磁共振T2谱奇异值分解反演改进算法[J]. 石油学报, 2005, 26(6): 57-59.

JIANG Rui-zhong, YAO Yan-ping, MIAO Sheng, ZHANG Chun-sheng. Improved algorithm for singular value decomposition inversion of T2 spectrum in nuclear magnetic resonance[J]. Editorial office of ACTA PETROLEI SINICA, 2005, 26(6): 57-59.

[1]	李祯, 郭奇, 卜亚辉, 胡慧芳. 基于深度学习的饱和度场样本库建立及预测[J]. 石油学报, 2024, 45(4): 698-707.
[2]	王强, 赵金洲, 胡永全, 赵超能, 张祯祥. 岩心尺度静态自发渗吸的数值模拟[J]. 石油学报, 2022, 43(6): 860-870.
[3]	金国文, 王堂宇, 刘忠华, 谢然红, 邵亮, 李博宇. 基于核磁共振测井的砂砾岩储层分类与产能预测方法[J]. 石油学报, 2022, 43(5): 648-657.
[4]	吴林, 朱明, 冯兴强, 冀冬生, 周磊, 刘圣鑫, 张林炎, 谭元隆, 钱竹良, 杨珍. 准噶尔盆地四棵树凹陷构造应力场与构造变形解析[J]. 石油学报, 2022, 43(4): 494-506.
[5]	朱秀川, 胡钦红, 蒙冕模, 张军建, 张涛, 尹娜, 孙小惠, 晁静, 杜玉山, 刘惠民. 页岩储层渗吸过程中水的微观分布及其气测渗透率动态响应特征[J]. 石油学报, 2022, 43(4): 533-547.
[6]	黄兴, 窦亮彬, 左雄娣, 高辉, 李天太. 致密油藏裂缝动态渗吸排驱规律[J]. 石油学报, 2021, 42(7): 924-935.
[7]	许林, 刘书杰, 许明标, 冯桓榰, 邢希金, 邓佳佳. 压差激活密封剂的微缺陷自适应修复行为及机理[J]. 石油学报, 2021, 42(5): 686-694.
[8]	邹玮, 余一欣, 刘金水, 蒋一鸣, 唐贤君, 陈石, 余浪. 东海盆地西湖凹陷中央反转构造带发育主控因素及宁波背斜形成过程[J]. 石油学报, 2021, 42(2): 176-185.
[9]	卢海龙, 尚世龙, 陈雪君, 秦绪文, 古利娟, 邱海峻. 天然气水合物开发数值模拟器研究进展及发展趋势[J]. 石油学报, 2021, 42(11): 1516-1530.
[10]	祝效华, 罗云旭, 刘伟吉, 高锐, 贾玉丹, 刘呈君. 等离子体电脉冲钻井破岩机理的电击穿实验与数值模拟方法[J]. 石油学报, 2020, 41(9): 1146-1162.
[11]	黄兴, 倪军, 李响, 薛俊杰, 柏明星, 周彤. 致密油藏不同微观孔隙结构储层CO₂驱动用特征及影响因素[J]. 石油学报, 2020, 41(7): 853-864.
[12]	李文婧, 姜源, 单保东, 禹晓珊, 王超. 盐穴储气库注采运行时温效应对腔体稳定性的影响[J]. 石油学报, 2020, 41(6): 762-776.
[13]	窦晓峰, 宁伏龙, 李彦龙, 刘昌岭, 孙嘉鑫, 李杨, 李晓东, 赵颖杰, 张凌, 刘乐乐. 基于连续-离散介质耦合的水合物储层出砂数值模拟[J]. 石油学报, 2020, 41(5): 629-642.
[14]	计秉玉. 对油气藏工程研究方法发展趋势的几点认识[J]. 石油学报, 2020, 41(12): 1774-1778.
[15]	赵建斌, 黄显华, 刘晓燕, 李振林, 田扬, 丁伟, 刘玲莉. 二连盆地乌兰花凹陷特低渗安山岩储层的有效性评价[J]. 石油学报, 2020, 41(10): 1188-1196.

核磁共振T2谱奇异值分解反演改进算法

Improved algorithm for singular value decomposition inversion of T2 spectrum in nuclear magnetic resonance

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价