[發(fā)明專利]利用聚類分析進(jìn)行模型優(yōu)選的方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201410807974.0
• 申請(qǐng)日: 2014-12-22
• 公開（公告）號(hào): CN104573333A
• 公開（公告）日: 2015-04-29
• 發(fā)明（設(shè)計(jì)）人: 李少華;戴危艷
• 申請(qǐng)（專利權(quán)）人: 長(zhǎng)江大學(xué)
• 主分類號(hào): G06F19/00
• 分類號(hào): G06F19/00
• 代理公司: 武漢開元知識(shí)產(chǎn)權(quán)代理有限公司 42104
• 代理人: 陳家安;陳懿

技術(shù)領(lǐng)域

本發(fā)明涉及油藏描述領(lǐng)域，特別是涉及一種利用聚類分析進(jìn)行模型優(yōu)選的方法。

背景技術(shù)

儲(chǔ)層隨機(jī)建模技術(shù)產(chǎn)生于20世紀(jì)80年代初期，目前在油氣田勘探開發(fā)實(shí)踐中的應(yīng)用越來越廣泛。隨機(jī)建模能夠提供多個(gè)等概率的模型實(shí)現(xiàn)，利用這些實(shí)現(xiàn)可以對(duì)儲(chǔ)層進(jìn)行不確定性評(píng)價(jià)。而在油藏?cái)?shù)值模擬中，考慮到計(jì)算成本，通常只能夠?qū)τ邢薜膸讉€(gè)實(shí)現(xiàn)進(jìn)行模擬計(jì)算，故必須從多個(gè)模型中優(yōu)選出一個(gè)或幾個(gè)進(jìn)行數(shù)值模擬研究。常用的隨機(jī)模型篩選方法包括算術(shù)平均法、地質(zhì)模式篩選法、數(shù)值模擬法、概率儲(chǔ)量法、實(shí)驗(yàn)設(shè)計(jì)、拉丁超立方抽樣和排序法。算術(shù)平均法的原理是將多個(gè)實(shí)現(xiàn)進(jìn)行算術(shù)平均，將得到的平均模型作為優(yōu)選模型，其優(yōu)點(diǎn)是簡(jiǎn)單快捷，缺點(diǎn)是具有平滑效應(yīng)，改變了儲(chǔ)層非均質(zhì)性和模型的統(tǒng)計(jì)分布特征；地質(zhì)模式篩選法的原理是通過對(duì)比每個(gè)模型與地質(zhì)模式之間的差異，從中選出吻合程度較大的模型，得到的模型可以較好地滿足地質(zhì)概念模式，但非常耗時(shí)且受主觀因素影響較大；數(shù)值模擬法通過流線模擬、歷史擬合等方法優(yōu)選模型，缺點(diǎn)也是耗時(shí)多；而概率儲(chǔ)量法、實(shí)驗(yàn)設(shè)計(jì)、拉丁超立方抽樣和排序法都是以地質(zhì)儲(chǔ)量為指標(biāo)來進(jìn)行模型優(yōu)選，均不適用于滲透率模型及相模型的優(yōu)選。

鑒于現(xiàn)有模型優(yōu)選方法存在的上述問題，亟待研究出一種更加簡(jiǎn)單、客觀的模型優(yōu)選方法，以解決因模型數(shù)量眾多而難以從中優(yōu)選出具有代表性的模型進(jìn)行油藏?cái)?shù)值模擬的業(yè)內(nèi)難題。

發(fā)明內(nèi)容

本發(fā)明的目的是為了克服上述背景技術(shù)的不足，提供一種利用聚類分析進(jìn)行模型優(yōu)選的方法，具有簡(jiǎn)單客觀、且適用范圍廣的特點(diǎn)。

本發(fā)明提供的一種利用聚類分析進(jìn)行模型優(yōu)選的方法，包括以下步驟：步驟一、利用隨機(jī)建模方法建立多個(gè)三維定量地質(zhì)模型，統(tǒng)計(jì)各個(gè)模型中每一網(wǎng)格節(jié)點(diǎn)的屬性值并對(duì)所述屬性值進(jìn)行標(biāo)準(zhǔn)化處理，計(jì)算任意兩個(gè)模型之間的歐氏距離，得到一個(gè)表征各模型之間差異的相異性矩陣；步驟二、對(duì)所得到的相異性矩陣進(jìn)行降維，實(shí)現(xiàn)在2維空間中用向量來辨別模型的相似性；步驟三、運(yùn)用聚類分析方法對(duì)模型進(jìn)行聚類，從每一類中選出一個(gè)或幾個(gè)模型進(jìn)行油藏?cái)?shù)值模擬研究；步驟四、對(duì)比井點(diǎn)屬性值直方圖與所選模型直方圖，判定所選模型是否滿足地質(zhì)概念；步驟五、將所選模型計(jì)算的儲(chǔ)量與用蒙特卡洛模擬法得到的P10、P50和P90儲(chǔ)量進(jìn)行對(duì)比，判斷所選模型是否具有代表性。

在上述技術(shù)方案中，所述步驟三包括以下過程：1)編寫模型聚類代碼；2)利用聚類有效性指標(biāo)對(duì)聚類效果進(jìn)行評(píng)價(jià)。

在上述技術(shù)方案中，所述步驟三第1)項(xiàng)中，用R語言編寫模型聚類代碼，并利用k-means聚類算法對(duì)模型進(jìn)行聚類。

在上述技術(shù)方案中，所述步驟三第2)項(xiàng)中，采用Dunn指標(biāo)評(píng)價(jià)聚類結(jié)果的有效性。

在上述技術(shù)方案中，所述步驟三第2)項(xiàng)中，所述Dunn指標(biāo)計(jì)算公式如下：式中，D(k)表示Dunn指標(biāo)數(shù)值，ci表示第i類數(shù)據(jù)，cj表示第j類數(shù)據(jù)，ck表示第k類數(shù)據(jù)，d(x,y)表示兩個(gè)數(shù)據(jù)點(diǎn)之間的距離。

本發(fā)明利用聚類分析進(jìn)行模型優(yōu)選的方法，具有以下有益效果：以各個(gè)模型之間的差異為依據(jù)對(duì)模型進(jìn)行分類，不僅簡(jiǎn)單快速，而且更為有效，適用于沉積相、孔隙度、滲透率、含水飽和度等各類模型的優(yōu)選。由于基于該優(yōu)選方法選擇的模型具有一定的代表性，可以大大減少數(shù)值模擬的次數(shù)，有效解決了因模型數(shù)量眾多而難以從中優(yōu)選出具有代表性的模型進(jìn)行油藏?cái)?shù)值模擬這一難題。

附圖說明

圖1為本發(fā)明利用聚類分析進(jìn)行模型優(yōu)選的方法的流程示意圖；

圖2為本發(fā)明利用聚類分析進(jìn)行模型優(yōu)選的方法中步驟三第1)項(xiàng)聚類后的結(jié)果示意圖；

圖3為本發(fā)明利用聚類分析進(jìn)行模型優(yōu)選的方法中步驟四井點(diǎn)屬性值與所選模型直方對(duì)比圖；

圖4為本發(fā)明利用聚類分析進(jìn)行模型優(yōu)選的方法中步驟五所選模型計(jì)算的儲(chǔ)量與用蒙特卡洛模擬法得到的P10、P50和P90儲(chǔ)量的對(duì)比圖。

具體實(shí)施方式

下面結(jié)合附圖及實(shí)施例對(duì)本發(fā)明作進(jìn)一步的詳細(xì)描述，但該實(shí)施例不應(yīng)理解為對(duì)本發(fā)明的限制。

參見圖1，本發(fā)明利用聚類分析進(jìn)行模型優(yōu)選的方法，包括以下步驟：

步驟一、利用隨機(jī)建模方法建立多個(gè)三維定量地質(zhì)模型，統(tǒng)計(jì)各個(gè)模型中每一網(wǎng)格節(jié)點(diǎn)的屬性值并對(duì)所述屬性值進(jìn)行標(biāo)準(zhǔn)化處理，計(jì)算任意兩個(gè)模型之間的歐氏距離，得到一個(gè)表征各模型之間差異的相異性矩陣；

步驟二、對(duì)所得到的相異性矩陣進(jìn)行降維，實(shí)現(xiàn)在2維空間中用向量來辨別模型的相似性；