[發明專利]基于支持向量機模擬交會圖的致密砂巖流體類型識別方法

在審

• 申請號: 201510333998.1
• 申請日: 2015-06-16
• 公開（公告）號: CN104992178A
• 公開（公告）日: 2015-10-21
• 發明（設計）人: 樊中海;劉崢君;黎明;黎錫瑜;姜建偉;梁麗梅;周永強;黃磊;韓豐華;蘇劍紅
• 申請（專利權）人: 中國石油化工股份有限公司;中國石油化工股份有限公司河南油田分公司勘探開發研究院
• 主分類號: G06K9/62
• 分類號: G06K9/62
• 代理公司: 鄭州睿信知識產權代理有限公司 41119
• 代理人: 胡泳棋

技術領域

本發明涉及一種基于支持向量機模擬交會圖的致密砂巖流體類型識別方法，屬于技術領域。

背景技術

致密砂巖油氣藏作為一種重要的連續性非常規油氣藏類型，廣泛分布于中國的各個盆地中，具有良好的勘探開發前景。但是由于儲層滲透率低、孔隙類型多樣、非均質性強，導致電性特征受物性及巖石骨架影響較大，測井響應特征復雜，常規交會圖方法識別油、氣、水層難度大，容易遺漏甚至錯誤識別致密砂巖油氣藏流體類型，影響致密砂巖油氣藏儲量的計算精度。

交會圖識別技術在油氣勘探中應用廣泛，它在檢查測井資料質量、選擇解釋參數、確定巖性、檢驗解釋結果和評價地層流體類型方面發揮著重要作用。在巖石物理學方面，可以通過交會圖制作巖石物理量板，利用量板進行巖性預測；在地震AVO(Amplitude?Versus?Offset,振幅隨偏移距的變化)技術應用方面，通過交會圖技術，即將AVO屬性(λρ-μρ，I_P-I_S等)投影到交會圖上，利用不同儲層的巖性和流體類型異常在交會圖平面上占有不同區域的特點，進行異常劃分；在儲層和流體解釋方面，交會圖技術不僅可用于屬性優化，同時可以應用于儲層類型劃分、儲層水淹層測井評價和儲層流體的定性識別。傳統交會圖一般是選擇與研究對象相關的兩種參數或屬性，在XY坐標平面上構建解釋圖版，這種方法在對象的屬性較多的時候就顯得力不從心，缺乏可操作性和準確性。與此同時，在傳統的交會圖分析中，對交會圖內區域的劃分一般采用粗略描述或人工勾繪，方法的本身存在很大的不確定性，特別是在數據點較多的情況下，不同屬性的樣本點重疊在一起，很難準確快速地對樣本點所屬的類別進行判斷和識別。

發明內容

本發明的目的是提供一種基于支持向量機模擬交會圖的致密砂巖流體類型識別方法，以解決傳統交會圖在數據點較多的情況下難以準確快速對樣本點所屬的類別進行識別的問題。

本發明為解決上述技術問題而提供一種基于支持向量機模擬交會圖的致密砂巖流體類型識別方法，該識別方法包括以下步驟：

1)從測井計算的參數或測井曲線中選擇最能反映油水層特征的參數和試油資料所對應的流體類型作為流體樣本；

2)構建支持向量機模型，根據所選擇的流體樣本對支持向量機模型進行訓練，以得到誤差在允許范圍內的支持向量機分類預測模型；

3)將支持向量機分類預測模型得到的向量數據點投影到交會圖平面上以形成支持向量機模擬交會圖版，并以分類預測模型的目標輸出相量作為支持向量機模擬交會圖中各流體類型的中心點；

4)將待識別樣本數據輸入到所形成的支持向量機模擬交會圖版中以形成投影分布點，計算各投影分布點與支持向量機模擬交會圖中各流體類型中心點之間的距離，距離最短的中心點所代表的流體類型即為待識別樣本的流體類型。

所述步驟2)中在構建支持向量機模型時采用交叉驗證法選取支持向量機模型的懲罰參數和核函數。

所述交叉驗證法是指將原始輸入數據進行分組，一部分作為訓練集，另一部分作為驗證集，用訓練集對分類器進行訓練，再利用驗證集來測試訓練得到的模型，以得到的分類準確率作為評價分類器的性能指標，以此來選取最優的懲罰參數和核函數。

所述的支持向量機分類預測模型為雙輸出層。

所述步驟2)中在對支持向量機模型進行訓練時，需對流體樣本進行歸一化處理。

所述歸一化處理時流體樣本屬性值呈正態分布的進行常規歸一化，流體樣本屬性值呈非正態分布的進行對數歸一化。

為了方便支持向量機分類預測模型輸出在平面上顯示，需對支持向量機分類預測模型輸出結果進行數字化。

本發明的有益效果是:本發明首先選擇最能反映儲層中油氣水層特點的參數作為流體樣本數據；然后運用支持向量機算法，選擇適當的懲罰參數和核函數來構建分類預測模型；將分類預測模型得到的向量數據點投影到交會圖平面上以形成支持向量機模擬交會圖版；將待識別樣本數據輸入到所形成的支持向量機模擬交會圖版中以形成投影分布點，計算各投影分布點與支持向量機模擬交會圖中各流體類型中心點之間的距離，并以距離最短的中心點所代表的流體類型作為待識別的流體類型。本發明融合了支持向量機算法與測井交會圖識別技術，對傳統交會圖進行了改造，實現了對致密砂巖多種流體類型的識別。本發明利用樣本訓練得到的支持向量機模型，能夠綜合研究對象的多種特征參數對對象的類別進行準確劃分，彌補了交會圖只能綜合兩種特征參數來進行類別劃分的局限性。