[发明专利]一种凝聚聚类无监督算法的流体类型识别方法

说明书

本发明提供一种凝聚聚类无监督算法的流体类型识别方法，包括：获取储层中目标井所在区域的目标参数；计算单位孔隙体积岩石氯化盐含量阈值和含水饱和度；重新整理目标数据；判断单位孔隙体积岩石氯化盐含量是否大于单位孔隙体积岩石氯化盐含量阈值，或者含水饱和度是否大于含水饱和度阈值；若大于等于，则判断该样本点所对应的储层目标井所在区域为水层；若小于，则不为水层，则剔除水层的数据点，选取剩下的样本点作为新的数据进行预处理，加载到凝聚聚类模型进行训练并且预测；通过地质工作者的经验和专家知识分析一类数据样本点，将输出结果的伪标签转换成真实标签输出流体分类真实结果。本发明提高了流体识别效率，减少投入成本。

技术领域

本发明涉及一种凝聚聚类无监督算法的流体类型识别方法，属于油气勘探开采领域。

背景技术

流体识别、划分流体类型是油气开采领域中一项重要的基础工作，为油气开采提供着最为直接有利的证据，目前随着各项分析化验技术的不断进步，新型实验设备的不断出现，带来了众多表征流体特征的目标参数，如何利用已有的目标参数数据划分流体类型是油气开采领域所关注的问题，实际工作中，对储层目标井所在区域的流体划分有很多类型，但是最有意义的是判断此区域是以油气为主的层位还是以水层为主的层位，据此本文采取多次筛选对油气层和水层进行划分，初次筛选过程以目标参数特征自动分类划分目标区域出油气层和水层，复式筛选过程以剩余数据和数据的分布情况为前提，以专家经验知识为基础，以实际开采经济效益、开采难度、开采安全性为底线，细致将模糊层段的数据样本点划分油气层和水层。

现有利用化验资料、实验资料、测井资料、地震数据资料，对储层目标井所在区域的目的层段进行分析评价。流体类型的划分通过不同的目标参数组合计算来划分的，例如，申请号CN201811573972.4提供一种流体识别方法及装置，该方法通过获取目标参数，包括孔隙度、岩石密度、地层水矿化度、岩石氯化盐含量和含水饱和度阈值等五项数据，给定指定目标区域参数值，完全靠计算得到水层和油气层分类结果。申请号CN201910653044.7提供一种基于随机森林算法的智能化地震流体识别方法，该方法首先基于测井数据进行大量的机器学习实践，通过建立前期大量的流体类型-弹性属性并且带有真实标签的样本数据，利用样本数据训练出一个有泛化性能的随机森林分类器，进而实现预测流体类型的空间部分。该方法的实现依赖带有大量标签的样本数据，这与实际情况可能会有不符，收集不到如此体量的数据样本，进一步可能会导致随机森林建立的分类器的效果达不到预期的效果，同时随机森林是否需要进行剪枝，按照怎么样的方式剪枝会不会提高预测准确率。

现有技术中，纯理论计算法，即选取满足条件的数据进行筛选识别，存在以下缺点：

(1)计算效率低下。

(2)忽略那些目标井所在区域模糊层位的数据点位，直接全部划分为水层，划分不客观，考虑不全面。

现有技术中，还有随机森林算法，对已有标签的大量样本点进行训练，建立一个具有泛化能力的随机森林分类器，然后实现对未知标签的数据样本点所在层位进行识别。随机森林算法存在的缺点:

(1)前期需要建立大量数据的标签，工作量巨大，耗费较多的人力资源，而且所需成本比较高。

(2)在已知区域建立的分类器，换个区域，实用性可能不会那么明显。

发明内容

本发明的目的是提供一种无监督凝聚聚类学习算法的流体识别方法，用以解决现有流体识别较为复杂、计算效率低下、识别准确度不高，全靠人工识别的问题。通过无监督凝聚聚类学习算法完成流体的逐级判别，使得分类建立标准更加客观、真实、快速，同时对模糊层段采取复式筛选，结合实际情况，专家经验知识，开采安全系数等，使得对模糊层段的判别也具有强有力的说服力和极高的可信度，理论与实际的穿插，使得该方法的应用效果是可观的。