[发明专利]一种新型无模型贝叶斯分类预测模型软测量方法

说明书

技术领域

本发明涉及油田开采技术领域，尤其涉及一种新型无模型贝叶斯分类预测模型软测量方法。

背景技术

目前，我国大多数油田采用的是注水方式开采，长期的注水开采方式，使很多油田的含水量很高。录井技术是油气勘探开发活动中最基本的技术，是发现、评估油气藏最及时、最直接的手段。油藏地球化学录井技术是应用油藏地球化学的方法，通过特定的仪器检测岩石中与油气密切相关的烃信息，评价生油岩和储集岩，判断储注水开发区储层的水淹程度，寻找剩余油，为油田的勘探开发提供地质依据。通过热解气相色谱技术对固体样品进行检测，可以获得包含C13-C37 之间的蒸发烃气相色谱图，每幅色谱图由40000个时间序列数据组成，色谱图具有复杂、非线性、含噪声等特性。

国内外的工程师对油气层的识别也提出了多种解决方法，其中包括原始数据法、图版解释法、参数法、图谱比较法等综合评价方法。然而，从识别所花费的时间和效果方面来说都不是很理想。因此，人工对油气层进行检测主要是依赖录井解释工程师的实际经验，存在着很大的偶然性和误差。

发明内容

为解决上述问题，本发明提供一种新型无模型贝叶斯分类预测模型软测量方法，至少部分解决上述技术问题。

为此，本发明提供一种新型无模型贝叶斯分类预测模型软测量方法，包括：

获取油气层的气相色谱图数据；

根据曲线拟合法获取所述气相色谱图数据的特征值，以实现所述气相色谱图数据的降维和降噪；

对所述气相色谱图数据的特征值进行归一化处理，以形成测量样本；

根据预设的无模型贝叶斯分类器分类预测算法对所述测量样本对应的类别进行预测，以获得所述测量样本对应的类别；

根据所述测量样本对应的类别对所述油气层进行分析，以获得所述油气层的水淹程度和开采价值。

可选的，所述无模型贝叶斯分类器分类预测算法如下：

其中p(Y＝c_j)＝φ_j,φ_j∈[0,1]，1{*}是指示函数；

所述测量样本X＝[X₁...X_N]^T，所述测量样本对应的类别为 Y＝[y₁…y_N]^Ty_k∈C＝{c₁,c₂,……,c_q}，每个测量样本X_k对应的类别为y_k。

可选的，所述根据预设的无模型贝叶斯分类器分类预测算法对所述测量样本对应的类别进行预测的步骤之前包括：

根据贝叶斯算法形成朴素贝叶斯分类器；

根据最近邻算法形成概率估计器；

根据所述朴素贝叶斯分类器和所述概率估计器形成新型无模型贝叶斯分类器。

本发明具有下述有益效果：

本发明提供的新型无模型贝叶斯分类预测模型软测量方法之中，首先通过曲线拟合方法有效地实现对气相色谱图数据的降维和降噪，进而提取气相色谱图数据的特征值，从而缩短分类模型的训练时间而且能够获得更好的泛化能力。本发明使用新型无模型贝叶斯分类算法建立识别模型，这样可以有效避免由于训练样本不满足条件独立性而造成的模型泛化性能下降问题。本发明提供的新型无模型贝叶斯分类预测模型软测量方法通过气相色谱图的测量客观展现了不同条件下油气储层的水淹程度，指明了各油气储层的水淹程度与开采价值，有助于石油钻探公司进一步提高开采效率和降低成本。因此，本发明提供的新型无模型贝叶斯分类预测模型软测量方法具有有效性和适用性。

附图说明

图1为本发明实施例一提供的一种新型无模型贝叶斯分类预测模型软测量方法的流程图；

图2为实施例一中傅里叶函数拟合稠油强水淹层色谱图的示意图；

图3为实施例一中重质油强水淹层色谱图面积指标分区的示意图；

图4为实施例一中高斯函数拟合轻质油差油层色谱图的示意图；

图5为实施例一中朴素贝叶斯分类器、高斯概率分布贝叶斯分类器、决策树分类器与新型无模型贝叶斯分类器的分类结果比较示意图；

图6为实施例一中KNN算法、SVM算法、Adaboost算法与MFBC算法的分类结果比较示意图。

具体实施方式