基于核Fisher判别分析油田油水层预测.docVIP

基于核Fisher判别分析油田油水层预测 　　摘要： 对新疆油田公司的测井数据，利用核Fisher判别分析法（KFDA）判别油层水层。首先通过非线性映射（由核函数隐含定义）将样本映射到特征空间，然后在特征空间中用fisher判别分析（FDA）进行分类。实验结果表明，KFDA方法的预测准确率达92.9%，高于用Fisher判别分析法及人工神经网络（ANN）、支持向量机（SVM）方法进行判别的准确率。 　　Abstract： This paper determines the oil layer and water layer with the well logging data of Xinjiang Oilfield Company by using Kernel Fisher Discriminant Analysis （KFDA）. Firstly， it maps the sample to the feature space through the nonlinear mapping （by the kernel function definition）， and then uses the FDA for classification in feature space. Experimental results show that the prediction accuracy rate of KFDA method is 92.9%， higher than with Fisher discriminant analysis method， artificial neural network （ANN） and the support vector machine （SVM） method. 　　关键词： 油层；水层；KFDA；预测 　　Key words： oil layer；water layer；KFDA；forecast 　　中图分类号：P631 文献标识码：A 文章编号：1006-4311（2015）11-0172-03 　　0 引言 　　在石油勘探过程中，首先使用工具进行钻井、测井和录井，获得一些参数（地层测试资料），然后对地层测试资料进行分析，预测被测试的井是油层还是水层，从而决定要不要试油。预测的准确率将直接影响勘探的经济成本。因此，建立有效的预测模型，对石油的勘探开发具有重要的理论和实践意义。 　　目前，国内外预测油层水层的方法主要有以下几种： 　　①地球物理方法[1-2]。测井解释是油水层识别最常用的地球物理方法，它依据储层流体的物理性质差异解释油水层。由于测井解释受储层岩石成分、地层水矿化度及泥浆侵入等多种因素的影响，因此在解释一些低阻油水层时，常常出现偏差，油水界面也难以确定。 吴振强等人建立了新型解释图版，分析了影响录井环境的因素，获得了剔除影响的校正系数，建立了定量评价的方法与含油性-物性双因素解释图版及计算机评价软件，为油气水综合评价工作提供了较好的帮助。 　　②地球化学方法[3]。油层和水层具有各自的地球化学特征，如油层中油砂的热解油气产量高、轻芳烃含量高等，地球化学方法主要是根据储层残留烃的化学性质识别油、气水层，它不受储层岩石成分及储层流体物理性质等因素的影响，只与储层流体的化学性质有关，可弥补测井解释方法的不足。比如，根据油层、气层和水层的抽提物含量、荧光强度与荧光分布以及储层烃的碳数分布，建立化学标准，来识别油气水层。 　　③综合方法[4-5]。根据地球物理方法或地球化学方法得到的有效特征参数，采用多元回归分析、支持向量机（SVM）或人工神经网络（ANN）等方法进行数据处理，建立研究区油水层划分的判别函数，可实现运用多个评价参数共同参与油水层的判识，而且能够将判识结果快捷、直观地展示出来，较好地解决单项资料在油气水判识方面判准率低的问题。 　　为了提高预测油水层的准确率，必须充分提取原始数据的特征，不仅要提取线性特征，更要提取非线性特征。本文采用了核Fisher判别分析法（KFDA）[6]对新疆油田公司的测井数据进行了预测。样本首先被一个非线性映射映射到特征空间，然后在特征空间中用fisher判别分析（FDA）进行分类。由于KFDA方法有效提取了数据的非线性特征，提高了分类准确率。 　　1 数据和方法 　　1.1 数据 　　表1是来自新疆油田公司的样本数据。表1是18个井的原始数据资料，包括测井数据和试油结论。每个样本有5个特征，包括地质电阻率、有效孔隙度、含油饱和度、声波时差、泥质含量。去掉其中第17个样本（干层），用剩下的17个样本做训练样本，其中9个“油层”，8个“水层”。 　　1.2 核fisher判别分析及预测算法 　　1.2.1