[发明专利]一种基于支持向量机算法的流动单元信息分类识别方法

说明书

本发明属于石油天然气勘探与开发技术领域，公开了一种基于支持向量机算法的流动单元信息分类识别方法，样本集合的确定及数据预处理，并采用MATLAB中的mapminmax函数完成样本数据的归一化处理；采用C‑SVM分类技术，进行模型构建及参数寻优；利用测试样本对建立的预测模型进行预测与检验。本发明采用在非线性问题上处理能力较强的基于支持向量机算法的流动单元信息分类识别方法。本发明具有较高的吻合度，利用支持向量机算法开展流动单元研究的可信度较高，对剩余油潜力预测具有一定的参考价值。支持向量机算法在解决研究目标与多个因素相关的线性或非线性问题时，具有精度高、速度快、通用性强的优点。

技术领域

本发明属于石油天然气勘探与开发技术领域，尤其涉及一种基于支持向量机算法的流动单元信息分类识别方法。

背景技术

目前，最接近的现有技术：随着油气勘探程度的深入及常规油气资源的减少，浊积扇低渗透油藏作为非常规油气藏资源的重要类型之一，逐渐成为勘探开发的热点，展现出较大的含油气潜力。对浊积扇储层油水分布规律的研究相对滞后，成为目前制约浊积扇储层大规模开发的主要因素。相对于常规砂岩储层，浊积扇储层地下构型结构复杂，内部砂体形态、规模、延伸状况存在明显差异，砂体内广泛发育的隔层和夹层使得厚油层被分割成了多个连通或不连通的流动单元。目前，已有不少学者开展了浊积扇储层构型研究，但流动单元研究相对较少。流动单元有利于深入的了解储层的非均质性，对储层的储集物性、渗流能力好坏给予一个准确地判断，同时就剩余油预测和提高采收率提供重要的理论支撑。

目前，国内外学者对流动单元的研究多基于统计学的聚类分析，而低渗透储层流动单元受多种地质因素的影响，且流动性能好坏与各地质因素间的关系复杂，但低渗透储层地质参数及流动单元评价参数的非均质性强，因此，传统的聚类分析技术难以准确刻画各地质参数与流动单元之间的非线性关系，难以将它们之间的非线性关系进行很好定量刻画。近年来，支持向量机算法越来越多的被运用到复杂岩性识别、裂缝预测、测井曲线分层及储层产能评价等多个方面。

综上所述，现有技术存在的问题是：传统的聚类分析技术难以准确刻画各地质参数与流动单元之间的非线性关系。

解决上述技术问题的难度：如何从大量的低渗透储层流动单元的众多地质影响因素，快速识别出有效的影响信息，采用有效识别方法，从而高效、准确地进行流动单元分类，一种有效的流动单元信息分类识别方法是上述技术问题的关键，如何提高识别精度是上述技术问题的重点。

解决上述技术问题的意义：解决上述问题可以极大地提高油气田地下地质工作的效率和精确度，更快更准地确定低渗透储层流动单元分类，为后续研究剩余油分布、进行剩余油挖潜奠定基础。

发明内容

针对现有技术存在的问题，本发明提供了一种基于支持向量机算法的流动单元信息分类识别方法。

本发明是这样实现的，一种基于支持向量机算法的流动单元信息分类识别方法，所述基于支持向量机算法的流动单元信息分类识别方法包括以下步骤：

第一步，样本集合的确定及数据预处理；采用MATLAB中的mapminmax函数完成样本数据的归一化处理；

第二步，采用C-SVM分类技术，模型构建及参数寻优；

第三步，利用测试样本对建立的预测模型进行预测与检验。

进一步，所述第一步包括：一个包含有n组流动单元样本数据的样本集，每组样本中有m+1个储层参数，x_1i，x_2i，…，x_mi，y_i，i＝1，2，…，n；其中，n＞m-1；将包含有前m个储层参数的n个样本定义为n个向量：

x_i＝(x_1i，x_2i…x_mi)(i＝1，2，…n)；