基于模式识别融合的低阻油层识别_孙玉强.pdf
《基于模式识别融合的低阻油层识别_孙玉强.pdf》由会员分享,可在线阅读,更多相关《基于模式识别融合的低阻油层识别_孙玉强.pdf(5页珍藏版)》请在咨信网上搜索。
1、2023 年第 3 期计算机与数字工程收稿日期:2022年8月13日,修回日期:2022年9月25日作者简介:孙玉强,男,硕士,研究方向:数据挖掘、人工智能及其应用等。1引言自20世纪50年代起至今,石油这一重要的国民经济命脉依旧占据着能源行业的主体地位,故识别储集油层特征、提高储集油层的采收率具有重要的研究意义。但伴随着高含水、高采出与高度分散总第 401期2023 年第 3期计算机与数字工程Computer&Digital EngineeringVol.51No.3基于模式识别融合的低阻油层识别孙玉强(中国石油大学(华东)计算机科学与技术学院青岛266580)摘要在油田开发生产过程中会产生
2、大量测井、录井以及解释生产数据,且产生的海量数据因时间、地点以及记录方式的不同,其数据表现形式也千差万别。测井数据作为石油勘探开发研究的基石,在油藏识别预测方面发挥着重要作用。由于测井数据受沉积微相、构造、钻井以及上下层等诸多因素作用,其特征表示较为复杂,且不同厚度小层其产生的测井数据样本点也不同,因此如何准确表征测井数据特征并与小层数据融合、实现低阻油层精准识别是一项值得研究的内容。该文结合费雷歇相似性度量方法对小层各测井曲线数据进行特征识别与描述,基于随机森林与XGBoost集成学习方法,以模式识别特征与录井、解释特征为输入,构建低阻油层识别模型,精准识别低阻油层。应用该方法,对港*油田真
3、实数据进行了实例分析,结果表明,基于模式识别融合的低阻油层识别方法能够实现低阻油层的挖潜,识别精准率高达90%,节省人工分析带来的高成本,降低了人工分析的主观性和片面性,该模型的提出是大数据挖掘技术在低阻油层识别的实际应用。关键词模式识别;费雷歇距离;随机森林;XGBoost;低阻油层识别中图分类号TE19DOI:10.3969/j.issn.1672-9722.2023.03.020Low-resistance Oil Layer Recognition Based onPattern Recognition FusionSUN Yuqiang(College of Computer Sci
4、ence and Technology,China University of Petroleum(East China),Qingdao266580)AbstractIn the process of oilfield development and production,a large number of logging,logging and interpretation production data will be generated.Due to the different time,place and recording method,the data forms are als
5、o different.As the cornerstone of petroleum exploration and development,logging data plays an important role in reservoir identification and prediction.Dueto the influence of sedimentary microfacies,structure,drilling,upper and lower layers and many other factors,the characteristicsof logging data a
6、re more complex,and the sample points of logging data produced by different thickness layers are also different.Therefore,how to accurately characterize the characteristics of logging data and integrate with small layer data to realize the accurate identification of low resistivity reservoirs is a c
7、ontent worthy of study.In this paper,combining with the Fisher similarity measurement method to identify and describe the characteristics of each logging curve data in the small layer,with the pattern of recognition features and the pattern of Logging data as modle input,an integrated learning model
8、 based on E-Learning of the Random forestand the XGBoost is built to achieve accurate identification of low resistivity reservoir.Using the method in this article,a case analysis on the real data of the Gang*Oilfield is conducted.The results show that the low-resistance oil layer identification meth
9、od basedon pattern recognition fusion can realize the potential of low-resistance oil layer,the recognition accuracy rate is as high as 90%,the high cost caused by manual analysis is saved,and the subjectivity and one-sidedness of manual analysis are greatly reduced.The proposed model is the practic
10、al application of big data mining technology in the identification of low-resistance oil layers.Key Wordspattern recognition,Frechet distance,random forest,XGBoost,low-resistance oil layerClass NumberTE19645第 51 卷的三高特征以及石油勘探工作的难度加大,人们逐渐将研究的重点转向低阻油层1。低阻油层由于受多种复杂因素的影响,其电阻率明显低于常规油层,并且测井响应特征不明显,使得测井信息对该
11、类储层识别的能力降低,往往被解释为水层甚至被漏掉23。其中从测井曲线中提取地层的储层特性已成为测井分析专家面对的重要课题,也是提高油田采收率的关键技术之一46。传统识别方法主要是通过人工分析建立储层参数识别模型78、运用含油饱和度法、交会图等分析法实现低阻油层识别911,但低阻油层成因机理复杂多样,传统识别方法挖潜效率低,并附有主观性。针对上述存在问题,本文提出基于模式识别方法融合测井、录井与生产数据,更加完备的描述小层信息,分析典型低阻层特征,通过随机森林12与XGBoost13集成方法构建低阻油层识别模型,自动识别低阻油层,通过数据智能算法降低开发成本,提高识别准确率。2基于模式识别融合的
12、低阻油层识别2.1整体框架以测井数据为基准,融合录井与生产监测数据,基于随机森林与XGBoost方法构建低阻油层识别模型。包括数据预处理、相似度计算、多源数据融合、低阻油层识别模块。如图1所示。图1整体框架2.2基于模式识别融合小层测井曲线数据来自于地层测井传感器,以0.125m深度为一个周期进行采样,但各小层厚度大小不一,所获取的采样点个数不同,为解决上述存在问题,采用费雷歇距离(Frchet distance)计算衡量各小层测井曲线之间的相似程度14。设A,B表示任意两个小层测井曲线数据,则费雷歇相似度计算公式如下所示:F()A,B=infmax,t0,1d(A()()t,B(t)上式中d
13、表示欧几里得距离,,是单位区间内两个重参数化函数。设测井参数集U=RA25(2.5m电阻率)、RA45(0.45m电阻率)、RA4(4m电阻率)、AC(声波时差)、GR(自然伽马)、SP(自然电位)、CAL(井径),测井参数u的相似度记为u_similarity,uU,设二维矩阵dp存储小层各分量间距离,i,j表示小层A、B测井参数u的分量索引。小层相似度计算过程如下:1)初始化距离矩阵dp等于-1,若i,j等于0,则计算Au0与Bu0的欧几里得距离并写入矩阵dp 00 中;2)若 i 大于 0 且 j 等于 0,则递归计算 dp i-10,dp i 0 的欧几里得距离,并取集合中最大值写入d
14、p i 0 中;3)同理j大于0且i等于0,dp 0 j 等于集合中最大值;4)若i大于0,j大于0,递归计算dp i-1 j、dpi-1 j-1、dp i j 的欧几里得距离,选取集合中最大值写入dp i j 中;5)返回dp i j 作为两小层测井曲线相似度数值,数值越小表征两小层测井曲线变化趋势越相似。分析典型低阻小层数据,应用费雷歇距离计算典型小层曲线相似度,计算典型层各测井参数相似度均值并设为相似阈值T。将各小层测井数据进行两两计算相似度后,将相似度数值大于T的小层标记为同一种曲线变化模式。2.3低阻油层识别模型以融合的小层测井曲线模式识别标签、录井和生产数据为属性分别构建随机森林与
15、XGBoost作为低阻油层智能识别模型。随机森林作为bagging思想的典型,基于Booststraping有放回随机采样选取基本分类器(决策树1517)训练样本,基于投票机制实现低阻油层识别。基于boosting思想选取XGBoost分类模型,基于模型迭代过程更改目标函数损失值、减小误差。采用网格搜索、交叉验证方式确定最佳模型参数,保存识别精准率与召回率均为90%以上模型对目标小层预测,选取两模型预测结果交集(保证识别准确率与模型泛化能力)实现低阻油层识别。3实例分析针对港*油田641口井真实数据,应用本文提孙玉强:基于模式识别融合的低阻油层识别6462023 年第 3 期计算机与数字工程出
16、的基于模式识别融合的低阻油层识别方法自动实现低阻油层挖潜。本实验环境为Pycharm,在配置为 Intel i7,3.7GHz处理器,16g内存的主机上运行,采用Oracle数据库存储数据。3.1基于模式识别融合选取港*油田641口井,12031个小层数据集的测井数据进行曲线模式识别,计算各小层测井参数费雷歇相似度数值并标记。结合图2进行实例分析。(a)1411小层(b)1924小层图2两小层测井数据曲线1)如图2所示,选取砂层顶深为1411小层与砂层顶深为1924小层进行实例分析,初始化欧几里得度量矩阵 dp 145 125 为-1,迭代计算两小层各测井参数曲线费雷歇相似度数值,相似度计算结
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 基于 模式识别 融合 油层 识别 孙玉强
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【自信****多点】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【自信****多点】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。