基于支持向量机模拟交会图的致密砂岩流体类型识别方法技术

本发明专利技术涉及一种基于支持向量机模拟交会图的致密砂岩流体类型识别方法，本发明专利技术首先选择最能反映储层中油气水层特点的参数作为流体样本数据；然后运用支持向量机算法，选择适当的惩罚参数和核函数来构建分类预测模型；将分类预测模型得到的向量数据点投影到交会图平面上以形成支持向量机模拟交会图版；将待识别样本数据输入到所形成的支持向量机模拟交会图版中以形成投影分布点，计算各投影分布点与支持向量机模拟交会图中各流体类型中心点之间的距离，并以距离最短的中心点所代表的流体类型作为待识别的流体类型。本发明专利技术能够综合研究对象的多种特征参数对对象的类别进行准确划分，弥补了交会图只能综合两种特征参数来进行类别划分的局限性。

【技术实现步骤摘要】

本专利技术涉及一种，属于

技术介绍
致密砂岩油气藏作为一种重要的连续性非常规油气藏类型，广泛分布于中国的各 个盆地中，具有良好的勘探开发前景。但是由于储层渗透率低、孔隙类型多样、非均质性强， 导致电性特征受物性及岩石骨架影响较大，测井响应特征复杂，常规交会图方法识别油、 气、水层难度大，容易遗漏甚至错误识别致密砂岩油气藏流体类型，影响致密砂岩油气藏储 量的计算精度。 交会图识别技术在油气勘探中应用广泛，它在检查测井资料质量、选择解释参 数、确定岩性、检验解释结果和评价地层流体类型方面发挥着重要作用。在岩石物理学方 面，可以通过交会图制作岩石物理量板，利用量板进行岩性预测；在地震AVO(Amplitude VersusOffset,振幅随偏移距的变化）技术应用方面，通过交会图技术，即将AVO属性 (入p-yp，Ip-"等）投影到交会图上，利用不同储层的岩性和流体类型异常在交会图平 面上占有不同区域的特点，进行异常划分；在储层和流体解释方面，交会图技术不仅可用于 属性优化，同时可以应用于储层类型划分、储层水淹层测井评价和储层流体的定性识别。传 统交会图一般是选择与研宄对象相关的两种参数或属性，在XY坐标平面上构建解释图版， 这种方法在对象的属性较多的时候就显得力不从心，缺乏可操作性和准确性。与此同时，在 传统的交会图分析中，对交会图内区域的划分一般采用粗略描述或人工勾绘，方法的本身 存在很大的不确定性，特别是在数据点较多的情况下，不同属性的样本点重叠在一起，很难 准确快速地对样本点所属的类别进行判断和识别。
技术实现思路
本专利技术的目的是提供一种基于支持向量机模拟交会图的致密砂岩流体类型识别 方法，以解决传统交会图在数据点较多的情况下难以准确快速对样本点所属的类别进行识 别的问题。 本专利技术为解决上述技术问题而提供一种基于支持向量机模拟交会图的致密砂岩 流体类型识别方法，该识别方法包括以下步骤： 1)从测井计算的参数或测井曲线中选择最能反映油水层特征的参数和试油资料 所对应的流体类型作为流体样本； 2)构建支持向量机模型，根据所选择的流体样本对支持向量机模型进行训练，以 得到误差在允许范围内的支持向量机分类预测模型； 3)将支持向量机分类预测模型得到的向量数据点投影到交会图平面上以形成支 持向量机模拟交会图版，并以分类预测模型的目标输出相量作为支持向量机模拟交会图中 各流体类型的中心点； 4)将待识别样本数据输入到所形成的支持向量机模拟交会图版中以形成投影分 布点，计算各投影分布点与支持向量机模拟交会图中各流体类型中心点之间的距离，距离 最短的中心点所代表的流体类型即为待识别样本的流体类型。 所述步骤2)中在构建支持向量机模型时采用交叉验证法选取支持向量机模型的 惩罚参数和核函数。 所述交叉验证法是指将原始输入数据进行分组，一部分作为训练集，另一部分作 为验证集，用训练集对分类器进行训练，再利用验证集来测试训练得到的模型，以得到的分 类准确率作为评价分类器的性能指标，以此来选取最优的惩罚参数和核函数。 所述的支持向量机分类预测模型为双输出层。 所述步骤2)中在对支持向量机模型进行训练时，需对流体样本进行归一化处理。 所述归一化处理时流体样本属性值呈正态分布的进行常规归一化，流体样本属性 值呈非正态分布的进行对数归一化。 为了方便支持向量机分类预测模型输出在平面上显示，需对支持向量机分类预测 模型输出结果进行数字化。 本专利技术的有益效果是：本专利技术首先选择最能反映储层中油气水层特点的参数作 为流体样本数据；然后运用支持向量机算法，选择适当的惩罚参数和核函数来构建分类预 测模型；将分类预测模型得到的向量数据点投影到交会图平面上以形成支持向量机模拟 交会图版；将待识别样本数据输入到所形成的支持向量机模拟交会图版中以形成投影分布 点，计算各投影分布点与支持向量机模拟交会图中各流体类型中心点之间的距离，并以距 离最短的中心点所代表的流体类型作为待识别的流体类型。本专利技术融合了支持向量机算法 与测井交会图识别技术，对传统交会图进行了改造，实现了对致密砂岩多种流体类型的识 另IJ。本专利技术利用样本训练得到的支持向量机模型，能够综合研宄对象的多种特征参数对对 象的类别进行准确划分，弥补了交会图只能综合两种特征参数来进行类别划分的局限性。 且本专利技术采用支持向量机进行致密砂岩流体类型分类预测时通用性强，能够在很 广的各种函数集中构造函数；鲁棒性好，不需要微调；计算简单，只需要利用简单的优化技 术；理论上完善，基于VC推广性理论的框架。【附图说明】 图1是支持向量机的体系结构示意图；图2支持向量机模拟交会图算法示意图； 图3交叉验证分法参数寻优二维平面结果示意图； 图4交叉验证法参数寻优三维立体结果示意图； 图5支持向量机模拟交会图流体识别图版示意图； 图6支持向量机模拟交会图版分类储层流体类型结果示意图； 图7致密砂岩储层流体类型识别结果示意图。【具体实施方式】 下面结合附图对本专利技术的【具体实施方式】作进一步的说明。 支持向量机（SVM，SupportVectorMachine)是由Vapnik首先提出的，其主要思 想是建立一个分类超平面作为决策曲面，使得正例和反例之间的隔离边缘被最大化。支持 向量机的理论基础是统计学习理论，更精确地说，支持向量机是结构风险最小化的近似实 现。这个原理基于这样的事实：学习机器在测试数据上的误差率（即泛化误差率）以训练 误差率和一个依赖于VC维数（Vapnik-Chervonenkisdimension)的项的和为界，在可分模 式情况下，支持向量机对于前一项的值为零，并且使第二项最小化。因此，尽管它不利用问 题的领域内部问题，但在模式分类问题上支持向量机能提供好的泛化性能，这个属性是支 持向量机特有的。支持向量机的体系结构如图1所示，图中Xi，X2，…，xn是模型的输入值， t，Y2是模型的预测值，K为核函数。从图中可以看出，支持向量机模型可以看成一个非线 性函数m时，算法就表达了从n个自变量到m个因变量的函数映射关系，因此，可以用它来 解决多参数（属性）对象的类型识别问题。 从统计学观点看，测井流体识别实际上是一个分类预测问题，可以采用支持向量 机算法建立分类模型来完成，因此本专利技术提供了一种基于支持向量机模拟交会图的致密砂 岩流体类型识别方法，如图2所示，该方法融合支持向量机算法与测井交会图识别技术，对 传统交会图进行了改造，实现了对致密砂岩多种流体类型的识别。首先从测井计算的参数 或测井曲线中选择最能反映油水层特征的参数和试油资料所对应的流体类型作为流体样 本；然后构建支持向量机模型，根据所选择的流体样本对支持向量机模型进行训练，以得到 误差在允许范围内的支持向量机分类预测模型；将支持向量机分类预测模型得到的向量数 据点投影到交会图平面上以形成支持向量机模拟交会图版，并以分类预测模型的目标输出 相量作为支持向量机模拟交会图中各流体类型的中心点；最后将待识别样本数据输入到所 形成的支持向量机模拟交会图版中以形成投影分布点，计算各投影分布点与支持向量机模 拟交会图中各流体类型中心点之间的距离，距离最短当前第1页1 2 本文档来自技高网...

【技术保护点】
一种基于支持向量机模拟交会图的致密砂岩流体类型识别方法，其特征在于，该识别方法包括以下步骤：1)从测井计算的参数或测井曲线中选择最能反映油水层特征的参数和试油资料所对应的流体类型作为流体样本；2)构建支持向量机模型，根据所选择的流体样本对支持向量机模型进行训练，以得到误差在允许范围内的支持向量机分类预测模型；3)将支持向量机分类预测模型得到的向量数据点投影到交会图平面上以形成支持向量机模拟交会图版，并以分类预测模型的目标输出相量作为支持向量机模拟交会图中各流体类型的中心点；4)将待识别样本数据输入到所形成的支持向量机模拟交会图版中以形成投影分布点，计算各投影分布点与支持向量机模拟交会图中各流体类型中心点之间的距离，距离最短的中心点所代表的流体类型即为待识别样本的流体类型。

【技术特征摘要】

【专利技术属性】
技术研发人员：樊中海，刘峥君，黎明，黎锡瑜，姜建伟，梁丽梅，周永强，黄磊，韩丰华，苏剑红，
申请(专利权)人：中国石油化工股份有限公司，中国石油化工股份有限公司河南油田分公司勘探开发研究院，
类型：发明
国别省市：北京;11