[发明专利]基于模糊C均值聚类的碳酸盐岩流体识别方法

权利要求书

1.基于模糊C均值聚类的碳酸盐岩流体识别方法，其特征在于，所述方法包括如下步骤：

步骤1：对地震资料进行叠前保幅偏移，抽取共反射点CRP道集；

步骤2：进行叠前AVO反演，基于反演结果：纵波阻抗、横波阻抗、密度数据体，计算出多种流体因子；

步骤3：根据钻井所揭示的流体性质实际情况，选取研究区已钻井作为训练样本，并提取各井储层段所对应的流体因子进行两两交汇，依据敏感性和独立性原则，优选对流体性质识别敏感、能够反映流体性质本质特征并相互之间独立的作为敏感流体识别因子组合；

步骤4：利用混沌映射初始化模糊C均值聚类的隶属度矩阵，对优选敏感流体识别因子组合在高维空间内进行分析，计算各聚类中心以及样本距各聚类中心的距离，判断训练样本的流体性质，当满足结束条件时转入步骤6，否则转入步骤5；

步骤5：利用量子粒子群对模糊C均值聚类的隶属度矩阵进行更新迭代，并判断算法是否陷入早熟收敛，如果是则进行混沌映射，直到找到全局最优值，使训练样本流体性质的预测吻合率满足结束条件，转入步骤6；

步骤6：输出各流体性质的模糊聚类数以及各模糊聚类中心；

步骤7：计算待识别样本距各模糊聚类中心的距离和隶属度，将分别属于各流体性质，如油气、水、泥和基质的隶属度进行累加，计算出待识别样本属于各流体性质的概率，以此作为依据对流体性质进行识别。

2.根据权利要求1所述的基于模糊Ｃ均值聚类的碳酸盐岩流体识别方法，其特征在于，所述的步骤4和步骤5中的算法，针对模糊C均值聚类算法FCM对初值敏感和易陷入局部收敛的缺点，利用混沌映射初始化隶属度矩阵，能够有效解决模糊Ｃ均值聚类算法对初始化敏感的问题；并利用混沌粒子群算法CQPSO代替模糊C均值聚类算法FCM的迭代过程，通过计算目标函数误差不断对量子粒子进行更新，同时运行早熟收敛判断机制，如果目标函数值没有满足结束条件，并且群体适应度方差小于早熟收敛判断阈值，则认为种群陷入局部极值，引入混沌变异操作，从混沌序列中优选最优的映射点代替原种群中较差粒子，能够显著增强算法的搜索全局最优解的能力，有效提高了模糊分类能力。

3.根据权利要求1所述的基于模糊C均值聚类的碳酸盐岩流体识别方法，其特征在于，所述通过叠前AVO反演出的多种叠前弹性参数包含了丰富的流体信息，但常规叠前流体识别方法最终仅优选两种对流体识别相对比较敏感的流体识别因子进行交汇，并没能充分利用丰富的叠前信息，造成流体识别的精度不高；对于一些在二维平面不可分的数据，而在高维空间上却很容易分开，从这一思想出发，将改进的模糊C均值聚类算法引入到碳酸盐岩流体识别当中，在高维空间内建立已钻井揭示的流体性质与多种敏感流体识别因子之间的关系，即可以有效解决由于地震资料的频散所导致的岩石物理分析结果与地震反演结果不匹配的问题，又能够充分融合多种叠前弹性参数，提高碳酸盐岩流体的识别精度；并且该方法不仅能够得到流体性质的分类判断，而且还能计算出属于各流体性质的隶属度，即流体类别概率，可对流体识别的不确定性进行评价，从而可以有效降低勘探风险。