一种井间示踪曲线聚类分析方法及装置制造方法及图纸

本发明专利技术提供了一种井间示踪曲线聚类分析方法及装置，其中，本发明专利技术方法通过对实测数据进行标准化处理，曲线分段线性化处理、计算无因次示踪曲线间的形态距离、井间无因次示踪曲线自动聚类算法处理后，实现井间示踪曲线自动聚类计算与分析，并最终对新测示踪曲线的分析。在此基础上，本发明专利技术进一步提供了一种与上述方法相对应的井间示踪曲线聚类分析装置。本发明专利技术对复杂的示踪曲线标准化处理，实现大批量井间示踪曲线的科学、快速分析，使得对大批量井间示踪曲线的分类研究有了明确的技术手段，提高井间示踪曲线解释水平。

【技术实现步骤摘要】
一种井间示踪曲线聚类分析方法及装置
本专利技术属于油井检测
，尤其涉及一种井间示踪曲线聚类分析方法及装置。
技术介绍
井间示踪测试技术是认识油藏井间连通性质的有效手段之一，井间示踪曲线通过示踪测试得到。井间示踪曲线可以分为两种：一是反映监测过程中示踪产出浓度变化的浓度-时间关系曲线；二是反映监测过程中示踪剂产出质量变化的累积产出质量-时间关系曲线(简称累产质量曲线)。目前现场解释人员关注最多的是浓度-时间关系曲线。对现场测试的大量示踪曲线而言，只有当原始数据的绝对值以及动态趋势都接近时，这些曲线才能表现出相近或类似。实际情况是不同的注采井间由于存在井距、连通类型、流动能力、示踪剂类型、地层背景值、吸附损失等差异，不同井测得井间示踪曲线数据点的数量级和量纲不一，示踪曲线波峰位置、形态上差异大，无法直接进行聚类分析。如图1和图2所示，两条曲线从直观地来对比，波峰出现的位置和形态均较接近，但纵坐标数量级不同，并不能判断两条曲线反映的是相同的示踪剂产出规律即相同的井间连通性质。示踪监测主要关注的是示踪剂突破后形成的波峰段曲线对应的产出规律。经分析，示踪剂类型、地层本底浓度、井距等因素对该波峰段曲线在坐标轴上的位置、形态产生影响，从而干扰聚类分析。因此需要对示踪曲线所在的纵坐标进行标准化，消除示踪剂类型、地层本底浓度、数量级的干扰；对横坐标进行标准化，消除井距的干扰。由于现场取样测得的浓度为示踪剂浓度与本底浓度之和，监测得到的累积产出质量曲线整体为一条递增的曲线，通过对累产质量曲线的标准化处理即可有效消除井距差异、本底差异以及示踪剂类型差异造成的对曲线聚类的干扰，并保持原有的曲线所反映的示踪剂产出信息。从消除原始数据量纲和数量级入手，从示踪曲线波峰变化的动态趋势上挖掘和分析不同曲线所代表的示踪剂产出规律特征。井间示踪曲线是一种典型的时间序列曲线。对一个油藏测试得到的大量井间示踪曲线进行评价，实际上是一个大规模的时间序列曲线的归类与分析问题。常规方法是对每一条曲线进行分析，但这种方法在存在大量曲线时费时费事，且不具整体代表性，因此对大规模的时间序列数据进行描述分析，曲线的分类即聚类是一种有效的前期处理技术。有关聚类分析方法的研究开始于20世纪60年代。在大规模时序曲线聚类分析问题中，曲线种类的多寡主要由两个因素决定：(1)原始时序数据的量纲，表现为绝对值的大小；(2)原始曲线的形态，表现为曲线变化的动态趋势。一般说来，原始数据量纲差距越大，曲线形态变化越丰富，种类也就越多，需要进行建模的数量相应也就越多。对于不同的曲线，只有当原始数据的绝对值以及动态趋势都接近时，这些曲线才能表现为相近或类似。由于实际数据往往绝对值大小差距很大，表现在曲线的实际形态上也千差万别，从而掩盖了曲线内在的相似点。因此，要减少曲线聚类分析工作量，则必须要首先消除原始数据的量纲，从曲线变化的动态趋势上挖掘其相似点，并且使之呈现出良好的规律性。聚类分析中的无量纲化方法主要有：(1)通过变量取值的最大值和最小值将原始数据转换为界于某一特定范围内的数据，从而消除量纲和数量级的影响，解决不同度量的问题；(2)每一变量值与其平均值之差除以该变量的标准差，无量纲后各变量平均值为0，标准差为1，从而消除量纲与数量级影响；(3)每一变量值除以该变量的平均值，无量纲后各变量均值都为1，标准差为原始变量的变异系数；(4)每一变量值除以该变量的标准差，无量纲化后各变量标准差均为1。在曲线聚类分析中，一个很关键的问题就是对不同曲线形态的识别。目前使用的曲线形态相似性度量的方法大都是基于欧氏距离的，存在如下缺陷：(1)不具有形态识别能力；(2)无法有效体现动态变化趋势的相似性。如图3所示A、B、C三条曲线，A与B的形态变化相反，与C的形态变化趋势相同，但基于欧氏距离的计算，会认为A，B的相似性大于A，C；(3)不能识别时间序列在不同分辨率下的模式变化。
技术实现思路
本专利技术的目的在于提供一种井间示踪曲线聚类分析方法及装置，旨在实现大批量井间示踪曲线的科学、快速分析，提高井间示踪曲线解释水平，帮助研究人员从整体上认识整个油藏井间连通性质，进而采取针对性的油藏开发工艺。本专利技术是这样实现的，一种井间示踪曲线聚类分析方法，包括以下具体步骤：(一)对实测数据进行标准化处理示踪剂监测过程中，突破后监测到的样品浓度由本底浓度逐渐上升到顶峰，然后又重新回落到本底浓度。对这段时间内监测得到的累积产出质量曲线进行标准化处理得到无因次示踪曲线，消除横坐标和纵坐标的量纲和数量级。无因次示踪曲线在横坐标和纵坐标上的取值范围均变换到[0，1]区间，同时保留了原累积产出质量曲线所反映的示踪剂产出特征。标准化处理后的无因次示踪曲线起点坐标(0，0)对应原曲线上的示踪剂突破点坐标；终点坐标为(1，1)，对应原曲线上波峰降为本底浓度处的坐标(多峰的以最后一个峰降为本底浓度值为界)。(二)曲线分段线性化处理为提高后续聚类算法计算精度，把每条无因次示踪曲线在(0，0)～(1，1)之间分为若干小段，原曲线由若干近似的直线段组成。分段数的取值为标准化后的示踪曲线包含的数据点数的公约数(1和数据点数本身除外)，例如标准化后的曲线含50个数据点，则分段数可以为2、5、10、25。用于同一次计算的批量曲线的分段数必须相同，实际计算时分段数可根据计算需要人为设置。(三)计算无因次示踪曲线间的形态距离给定任意两条无因次示踪曲线，计算两条曲线上按时间顺序对应的各分段直线之间的距离，对距离求和得到两条曲线的形态距离。两条示踪曲线形态距离越小，则说明这两条曲线形态越接近，变化趋势越趋于一致，属于同类曲线的可能性越大。为使最终的聚类结果达到一定的精度，应把无因次示踪曲线各类中所有曲线之间的相似度控制在一定的范围之内，该“范围”则被称为该曲线类的“相似精度阈值”。(四)井间无因次示踪曲线自动聚类算法对于曲线集合C(L1,L2,...,Lm)(Lm表示编号为m的曲线)，设定曲线聚类的相似精度阀值为T，计算结果应是同类曲线间的相似度高，不同类曲线之间的差异度大。算法如上所述，在此不再赘述。(五)井间示踪曲线自动聚类计算与分析的实现根据建立的自动聚类方法，编制井间示踪曲线聚类分析程序。把大量经过预处理的示踪样本曲线数据输入程序，通过程序运行计算得到批量示踪曲线基于形态距离最小的自动聚类结果，形成不同类型曲线的样本库，同时得到各曲线类的特征曲线，建立特征曲线图版。采用积分的方法，计算各样本曲线和特征曲线对应的特征值(即曲线与x轴所围面积)。分析各型特征曲线与y＝x线的位置关系，结合实验或典型区块测试得到的不同井间连通性质对应的理论特征曲线和特征值，判断各曲线类型所揭示的井间地下连通性质，实现聚类计算结果与井间连通性质的对应。(六)新测示踪曲线的分析随着油田的开发，不断会有新的示踪测试。新测示踪曲线经标准化处理后，计算其特征值，对其进一步分析可采取两种方式：一是直接与现有的各类型特征曲线图版和特征值对比；二是把新测曲线输入计算软件，对其进行聚类计算。新测示踪曲线与哪条标准曲线形态和特征值接近，则该曲线就归为哪种类型，该曲线放入相应类型的曲线样本库实现对样本库的更新；若新测示踪曲线与所有特征曲线均差异大，则归为新的一类，结合实验本文档来自技高网...

【技术保护点】
一种井间示踪曲线聚类分析方法，其特征在于包括以下步骤：S1、对实测数据进行标准化处理得到无因次示踪曲线；S2、把每条无因次示踪曲线在(0，0)～(1，1)之间分为若干小段，原曲线由若干近似的直线段组成；S3、给定任意两条无因次示踪曲线，计算两条曲线上按时间顺序对应的各分段直线之间的距离，对距离求和得到两条曲线的形态距离；S4、根据所述形态距离建立井间无因次示踪曲线自动聚类算法；S5、根据所述自动聚类方法计算得到批量示踪曲线基于形态距离最小的自动聚类结果，形成不同类型曲线的样本库，同时得到各曲线类的特征曲线，建立特征曲线图版；S6、采用积分的方法计算各样本曲线和特征曲线对应的特征值，分析各型特征曲线与y＝x线的位置关系，结合实验或典型区块测试得到的不同井间连通性质对应的理论特征曲线和特征值，判断各曲线类型所揭示的井间地下连通性质，以使聚类计算结果与井间连通性质的对应。

【技术特征摘要】
1.一种井间示踪曲线聚类分析方法，其特征在于包括以下步骤：S1、对实测数据进行标准化处理得到无因次示踪曲线；S2、把每条无因次示踪曲线在(0，0)～(1，1)之间分为若干小段，原曲线由若干的直线段组成；S3、给定任意两条无因次示踪曲线，计算两条曲线上按时间顺序对应的各分段直线之间的距离，对距离求和得到两条曲线的形态距离；S4、根据所述形态距离建立井间无因次示踪曲线自动聚类算法；S5、根据所述自动聚类算法计算得到批量示踪曲线基于形态距离最小的自动聚类结果，形成不同类型曲线的样本库，同时得到各曲线类的特征曲线，建立特征曲线图版；S6、采用积分的方法计算各样本曲线和特征曲线对应的特征值，分析各型特征曲线与y＝x线的位置关系，结合实验或典型区块测试得到的不同井间连通性质对应的理论特征曲线和特征值，判断各曲线类型所揭示的井间地下连通性质，以使聚类计算结果与井间连通性质相对应。2.如权利要求1所述的井间示踪曲线聚类分析方法，其特征在于，在步骤S6之后还包括步骤：S7、将新测示踪曲线经标准化处理后，计算其特征值，根据所述自动聚类算法的计算结果对新测示踪曲线进行归类。3.如权利要求2所述的井间示踪曲线聚类分析方法，其特征在于，在步骤S7之后还包括步骤：S8、在曲线样本库更新到一定程度后，重新采用自动聚类算法进行计算，对各类型特征曲线和特征值进行调整，得到新的特征曲线图版和样本库，进行动态更新。4.如权利要求3所述的井间示踪曲线聚类分析方法，其特征在于，在步骤S1中，所述标准化处理包括以下步骤：取示踪浓度曲线上示踪剂开始突破到浓度恢复至本底浓度这段时间内监测的浓度数据作为待处理的数据段，得到相应的累积产出质量曲线，对质量曲线进行标准化处理得到无因次示踪曲线，消除横坐标和纵坐标的量纲和数量级。5.如权利要求4所述的井间示踪曲线聚类分析方法，其特征在于，在步骤S4中，所述自动聚类算法的建立包括以下步骤：(1)计算曲线集合C中两两曲线之间的形态距离，选取任意两两之间形态距离最大的一条曲线，即为a；(2)将a归入曲线类C1中，原曲线集合变为C＝C-C1；(3)在曲线集合C中，计算各条曲线与集合C1质心曲线的距离，得到最小距离所对应的曲线b...

【专利技术属性】
技术研发人员：荣元帅，李科星，赵金洲，金发扬，
申请(专利权)人：西南石油大学，
类型：发明
国别省市：四川;51