【技术实现步骤摘要】
基于不均衡样本的储层类型智能划分方法
[0001]本专利技术涉及石油地球物理勘探
,具体涉及基于不均衡样本的储 层类型智能划分方法。
技术介绍
[0002]储层类型划分能够直接利用地球物理资料划分泥岩、干层、储层等不同的 类型,在储层预测和含油气性识别中发挥着非常重要的作用。在实际应用中通 常从实际资料特征出发,结合实际工区的专家经验开展人工判别,该过程不仅 耗时而且存在很强的不确定性,采用机器学习方法开展储层类型的智能划分 不仅有助于提高效率,还有助于提高储层类型划分的精度。
[0003]在利用机器学习开展样本类型划分时往往假设样本数量足够多且不同类 型的样本在数量上保持基本一致。但在实际资料应用过程中往往是少量的油 气储层夹在大量的泥岩中,即有效储层的样本数通常远远少于泥岩或非储层 样本的数量,存在着泥岩、干层和储层类型的样本数量不均衡等问题,导致直 接利用传统机器学习方法开展多类型储层的智能划分时效果往往不理想。如 何针对实际资料中广泛存在的不平衡样本来开展储层类型的高精度智能划分 成为研究热点。如何针对 ...
【技术保护点】
【技术特征摘要】
1.基于不均衡样本的储层类型智能划分方法,其特征在于,包括以下步骤:步骤1,利用实际测井资料开展聚类分析,确定不同类型储层的各物理参数的聚类中心值,并在距离中心值30%范围内对各样本集进行有限数量的重采样;步骤2,将不均衡样本中样本类型数量相对较少但参数特征相近的储层类型进行重组,作为一个储层类型并对样本进行编码;步骤3,将纵波速度、横波速度、密度、泥质含量和孔隙度等特征值作为输入,利用随机森林方法来分层逐级进行储层分类。2.根据权利要求1所述的基于不均衡样本的储层类型智能划分方法,其特征在于:在所述步骤1中,在距离中心值30%范围内对各样本集进行有限数量的重采样用于确保在合理的物理特征范围内适当扩充样本数量,避免样本过采样,降低噪点对重采样的影响。3.根据权利要求1所述的基于不均衡样本的储层类型智能划分方法,其特征在于:所述步骤1包括以下步骤:步骤11,通过聚类统计确定重采样范围后,采用基于K
‑
means聚类的SMOTE重采样法对样本数量少的各样本集进行平衡,忽略各类储层中样本数量足够多的样本集后,对于样本数量欠缺每个过滤的聚类f,分别计算欧氏距离矩阵;步骤12,通过将计算得到的距离矩阵中的的所有非对角元素相加,然后除以非对角元素的数量,计算每个聚类内的平均距离步骤13,将不同分类中的样本数量少的样本数num(f
l
)除以其平均距离的分类数m次幂,得到密度的度量den(f
l
);步骤14,对得到的各分类密度度量取倒数得到各类的稀疏性度量spar(f
l
);步骤15,将样本数量少的聚类的稀疏因子除以所有聚类的稀疏因子之和,得到每个聚类样本数量少的采样权重a
l
;步骤16,对于...
【专利技术属性】
技术研发人员:徐长贵,邓勇,袁全社,欧阳敏,李芳,刘仕友,王建花,邓盾,
申请(专利权)人:中海石油中国有限公司,
类型:发明
国别省市:
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。