客观地重建丢失的数据. 利用测井数据和强大的神经网络功能来预测未记录的参数e.g. 重建较差或缺失的数据,并管理从岩心尺度到储层尺度的转变.
交互,直观,快速
K.Mod模块是基于复杂的技术,但它仍然易于使用. 这很简单, 有效的工具,提供简单的解释和准确的储层描述.
监督神经网络
参数可以通过交互式学习过程直接从日志数据中重建或建模. 数据的原始可变性可以保留使用强大的, 非线性多层感知器建模工具.
完全量化的不确定性
保留对输入参数的完全控制, while clear feedback on log and 国防部el quality is provided; the K.Mod模块不是一个“黑盒”工具. 不确定性可以在输入(反向传播方法来检查每个输入的贡献)和输出(自组织映射对训练和验证数据进行分类,以确定它们在建模目标数据中的有效性)上进行管理。. 输入也可以加权,这允许强制极值. 如果需要,输出和学习数据分布可以标准化以匹配动态范围.
定量参数建模
科技K.Mod模块从日志数据中提取重要信息:
利用井眼轨迹在其空间位置内定位井眼. 视图
在2D地图查看器中可视化您的井数据. 视图
预测和传播岩石分类组. 视图
客观地重建丢失的数据. 视图
精密图像分析, 自动工具和供应商识别原始和处理过的数据, 并简化了加载和分析. 视图