模糊聚类分析在天然气水合物测井识别中应用.docVIP

模糊聚类分析在天然气水合物测井识别中应用 　　[摘 要] 本文选取中国南海北部神狐地区为研究区域，采用主成分分析对实际水合物测井数据进行优化处理，利用模糊C均值聚类分析技术对测井曲线数据自动识别，将研究结果与已知的测井数据进行反复对比和综合分析，验证模糊聚类分析法在水合物测井识别研究中的应用。通过模糊聚类分析发现该井位所在的水合物矿体海底深度为191米到221米之间，含水合物层的厚度约为30米，与实际测井值具有较好的吻合性，证实模糊聚类分析在水合物测井识别研究中能起到良好的作用。 　　[关键词] 模糊C均值聚类； 天然气水合物； 测井识别 　　0 引言 　　天然气水合物似冰可燃，广泛分布于海底和永久冻土带中，是一种重要的潜在的未来能源[1-5]。随着天然气水合物勘探工作的不断深入，测井勘探成为一种重要而有效的勘探手段[6]。模糊C均值聚类通过优化目标函数得到每个样本点对所有类中心的隶属度，从而决定样本点的类属以达到自动对数据样本进行分类的目的[7-8]。 　　研究区为神狐海域，位于中国南海北部陆坡中段神狐暗沙东南海域附近[9-12]。通过从实际钻探数据中提取与天然气水合物有密切关系的测井数据，利用模糊C均值聚类的方法，可以在不需要已知的先验信息的情况下，达到天然气水合物自动识别的目的。 　　1 水合物测井 　　本文选取C2井位的实际钻探测井数据进行分析，C2中含有水合物样品。从C2井位的声波速度和电阻率数据分析，得到水合物矿体深度范围在191米到221米之间，含水合物地层厚度约为30米，下面通过模糊C均值聚类的方法，进一步验证。 　　2 模糊C均值聚类（FCM） 　　由Bezdek提出的模糊C均值聚类（FCM）是用隶属度确定每个数据点属于某类的程度的一种聚类算法，属于一种目标函数法[13-14]。令X={x1，x2，…，xn}？奂 Rs表示给定的样本集合，s是样本空间的维数，n是样本个数，c（c1）是对X进行划分的聚类个数。FCM的优化目标函数一般形式是： 　　（1） 　　式中 　　U= uik是一个c×n的模糊划分矩阵，uik∈[0，1]表示第j个样本xj属于第i类的隶属度值，V={v1，v2，…，vc}是由c个聚类中心向量构成的s×c的矩阵，Dik为第j个样本与第i个聚类中心的欧式距离，m为模糊加权系数，m∈[1，∞]。 　　3 应用实例 　　将该井的测井数据，选择自然伽玛（GAMMA）、声波时差（AC）、长短源距密度（LDEN、SDEN）、井径（CAL1、CAL2、CAL）、深侧向电阻率（RES1）和浅侧向电阻率（RES2）等9条测井曲线作为模糊C均值聚类的输入参数。 　　3.1 数据预处理 　　原始数据往往单位不一，取值范围不同，直接用原始数据计算，会突出那些绝对值大的因子，而压低绝对值较小的因子的作用，影响处理的结果，故需对原始数据按下式进行归一化处理。 　　3.2 主成分（PCA）分析 　　利用模糊C均值聚类对天然气水合物进行识别之前，先采用主成分分析法对原始样本数据进行处理。求出输入样本的特征值、贡献率和累计贡献率如表1所示。 　　通过表1，可看出特征值的累积贡献率已基本接近100%，取得前2个较大的特征值，累积贡献率为89.57%，用这2个特征值作为模糊C均值聚类进行分类的输入变量。 　　3.3 应用及效果分析 　　通过聚类算法迭代58次，收敛精度达到0.01，然后按照每一类内部的深侧向电阻率（RES1）的平均值进行排序，红色部分表示此类结果RES1的平均值偏大，如图1所示。 　　4 结语 　　根据以上分析，C2井中水合物矿体深度范围在191米到221米之间，通过红线标识出了C2井的矿体范围，厚度约30米，这与测井实测值具有较好的吻合性，识别效果良好。从图1中可以看出21-24类为水合物集中区域，这些类的平均电阻率都是相对C2井为最大，有利于我们通过FCM分类数据对测井相进行分层。由此，应用模糊C均值聚类对天然气水合物进行识别是一种行之有效的方法。 　　[参考文献] 　　[1] Carcione J M， Tinivella U. Bottom simulating reflectors ：seismic velocit ies and AVO based on laboratory， w ell and seismic data[ J] . Geophys. Prosp. ， 2000， 49（ 3） ： 523―539. 　　[2] Lee M W， Waite W F. Estimating pore space gas hydrate saturations from well log acoustic data[ J] . Geochem. Geophys.Geosyst. ， 2008， 9， Q