APP下载

基于PSO-FCM算法的碳酸盐岩储层流体识别

2018-07-10陈钢花王军刘有基张艳梁莎莎

测井技术 2018年3期

陈钢花, 王军, 刘有基, 张艳, 梁莎莎

(1.中国石油大学(华东)地球科学与技术学院, 山东 青岛 266580;2.中国石油化工股份有限公司胜利油田分公司勘探开发研究院, 山东 东营 257000)

0 引 言

碳酸盐岩储层储集空间多样,非均质性较强,加大了流体识别难度[1-3]。核磁共振等测井新技术能够较好地识别流体,但其测井费用昂贵,在老井中资料较少[4],且核磁共振测井不适用于套管井,因此,非常有必要研究基于常规测井资料的碳酸盐岩储层流体识别方法,提高流体识别符合率,在老井中发现遗漏储层,提升产能。

数据挖掘技术可从海量数据中获取信息,可用于样本数据的分类处理[5-6],因此,在碳酸盐岩储层流体识别中应用广泛。罗利[7]等基于测井和试采资料建立气层及水层样本集,用神经网络法对样本井储层流体性质做了判别,回判符合率达93%;陈科贵等[8]提出一种模糊灰关联模式识别的方法,根据最大隶属原则判别流体类型;于代国等[9]引入支持向量机方法,建立了基于测井参数的流体识别模型;刘得芳等[10]将决策树应用于流体识别,该方法比单一信息判别方法准确性更高;赵军等[11]将样本按相对密度聚类成簇,并利用K近邻投票获得各簇所属类别,识别精度较高,泛化性和鲁棒性强。在诸多算法中,神经网络算法较为复杂,在测井流体识别方面,如果学习样本数量较少,实际应用时容易出现过拟合问题,从而导致准确率下降;决策树法在分类较多时错误率较高。……

登录APP查看全文