[发明专利]基于模糊C均值聚类的碳酸盐岩流体识别方法

摘要

本发明为石油勘探中一种基于模糊C均值聚类的碳酸盐岩流体识别方法，该方法将混沌量子粒子群(CQPSO)算法与模糊C均值聚类(FCM)算法有机结合，利用混沌粒子群算法来初始化隶属度矩阵，有效解决了传统模糊Ｃ均值聚类算法对初始化敏感的问题，并使之具有很强搜索全局最优解的能力，显著提高了模糊分类能力。并将其引入到碳酸盐岩流体识别当中，有效解决了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，提高了碳酸盐岩流体的识别精度，并且该方法还能够计算出属于各流体性质的概率，可对流体识别的不确定性进行评价，从而有效降低勘探风险，为充分利用多种叠前弹性信息实现碳酸盐岩储层流体识别提供了一种新的研究思路。

主权项

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。