【技术实现步骤摘要】
动态分类委员会机器测井流体识别方法及系统
本专利技术涉及地球物理测井领域，更具体地，涉及一种动态分类委员会机器测井流体识别方法及系统。
技术介绍
流体识别是地球物理测井解释的重要内容，对油气勘探开发具有重要意义。现有测井技术包括常规测井和成像测井，常规测井流体识别方法主要有重叠图、交会图、孔隙度差值比值、敏感参数法等，这些方法通过研究不同测井系列与不同流体间的响应关系建立流体识别图版。相比常规测井，阵列声波、核磁共振等成像测井能更好的识别储层流体特征。此外，还有一类方法是人工智能算法，其具有较好的非线性逼近能力，在复杂油气储层测井勘探开发中具有显著的应用效果，能够建立常规测井数据和测试数据间的非线性映射关系，构建精度较高的流体识别模型。此外，通过联合多智能算法，以投票机制作为组合策略构建委员会机器，可以进一步提升智能算法构建流体识别模型的准确率、稳定性和泛化能力。常规测井流体识别方法中的重叠图、交会图等方法发展成熟，但在复杂储层评价(如页岩、碳酸盐储层等)中孔隙流体对测井响应贡献小，构建的流体识别图版应用效果不佳。相...
【技术保护点】
1.一种动态分类委员会机器测井流体识别方法，其特征在于，包括：/n构建动态分类委员会机器DCCM；其中，DCCM包括输入层、门网络、专家层、组合器和输出层；/n将用于模型训练的第一输入数据输入至所述门网络中进行预学习，通过所述门网络划分子学习任务后获得子数据集；/n将进行了数据结构简化后的所述子数据集输入至所述专家层进行训练，获得子模型；/n采用所述组合器对所述子模型进行优化，获得目标流体识别模型；/n将待预测的第二输入数据输入至所述目标流体识别模型，获得所述目标流体识别模型输出的流体类型。/n
【技术特征摘要】
1.一种动态分类委员会机器测井流体识别方法，其特征在于，包括：
构建动态分类委员会机器DCCM；其中，DCCM包括输入层、门网络、专家层、组合器和输出层；
将用于模型训练的第一输入数据输入至所述门网络中进行预学习，通过所述门网络划分子学习任务后获得子数据集；
将进行了数据结构简化后的所述子数据集输入至所述专家层进行训练，获得子模型；
采用所述组合器对所述子模型进行优化，获得目标流体识别模型；
将待预测的第二输入数据输入至所述目标流体识别模型，获得所述目标流体识别模型输出的流体类型。
2.根据权利要求1所述的方法，其特征在于，所述门网络采用模糊C均值聚类算法，用于实现数据特征转化、子数据集划分和模糊化接口。
3.根据权利要求1所述的方法，其特征在于，所述专家层包括BP神经网络、概率神经网络、决策树、最邻近算法和贝叶斯分类算法；其中，每种算法对应一种专家，不同的所述专家分别用于实现不同的所述子学习任务。
4.根据权利要求3所述的方法，其特征在于，采用所述组合器对所述子模型进行优化，获得目标流体识别模型，包括：
通过所述组合器对所有的所述子模型的性能进行评估，建立所述子数据集与所述专家的最佳适应关系，并基于所述最佳适应关系获得所述目标流体识别模型。
5.根据权利要求1所述的方法，其特征在于，所述输入数据包括测井数据和测试数据。
6.根据权利要求5所述的方法，其特征在于，所述测井数据的类型包...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。