多维模糊识别方法在隔夹层判别中的应用

2011-11-23梁劳劳成都理工大学管理科学学院四川成都610059

长江大学学报(自科版) 2011年28期

关键词：岩心特征值级别

梁劳劳 (成都理工大学管理科学学院，四川成都 610059)

谢润成 (成都理工大学能源学院，四川成都 610059)

多维模糊识别方法在隔夹层判别中的应用

梁劳劳 (成都理工大学管理科学学院，四川成都 610059)

谢润成 (成都理工大学能源学院，四川成都 610059)

多级模糊模式识别克服了最大隶属度原则不适用的缺点，而且以相对隶属度和隶属函数为基础理论，使隶属度、隶属函数的计算更容易。以胡尖山隔夹层为例，应用多维模糊数学方法建立了模糊识别模型，并进行识别判断。结果比较，表明该方法效果明显，合理可行。

多级模糊模式识别；相对隶属度；隔夹层

预测隔夹层空间的展布是揭示油藏非均质性不可或缺的研究内容，直接观察岩心是识别隔夹层的基础，主要依据岩心的数量应用测井资料进行综合判别。下面，笔者以胡尖山隔夹层为例，应用多维模糊数学方法建立了模糊识别模型，并进行识别判断。

1 多维模糊识别模型的建立

为了定量描述隔夹层的区分模糊属性以及全面、客观的识别分类，笔者应用工程模糊集中的级别特征概念[1]。设对某一井或井段A的m个样本，其中每个样本存在k个指标特征值，其指标特征值矩阵表示：

(1)

式中，xij为样本j指标i的特征值，i=1,2,3,…,k,j=1,2,…,m。

将隔夹层分成c个级别进行判别，k个指标的c个级别的标准特征值矩阵为：

(2)

式中，yih为指标i级别h的标准特征值；i=1,2,3,…,k；h=1,2,3,…,c。这种样本的人为有序排列，通常有2种类型：①指标标准特征值yih随级别h的增大而减小；②指标标准特征值yih随级别h的增大而增大。第1种为递减型的，所以小于等于指标c级标准特征值对A的相对隶属度为0；大于等于指标1级标准特征值对A的相对隶属度为1；第2种为递增型的，所以大于等于指标c级标准特征值对A的相对隶属度为0；小于等于指标1级标准特征值对A的相对隶属度为1。

由此，判别指标的特征值与标准特征值，对隔夹层类别的相对隶属度可分别按线性内插式(3)和(4)确定：

(3)

(4)

式中，rij为样本j指标的特征值对A的隶属度；sij为指标i级别h的标准特征值对A的隶属度。

应用式(3)和(4)将式(1)和(2)变换为相应A的相对隶属度矩阵：

(5)

i=1，2，…，kj=1，2，…，mh=1,2，…，c

由矩阵R知样本j的k个指标相对隶属度：

rj=(r1j,r2j,…,rkj)T

将rj中各项分别与矩阵S中的第1,2，…，k行的行向量逐一进行比较，可得rj落入矩阵S的级别下限a与级别上限b，可以得出落入c个级别中的某个区段中。

由于k个指标对模式识别的影响程度不同，故指标应具有不同的权重，单项指标在总体权重的大小与某种用途的单项分级标准无关。对于样本j，其中k个评价指标的权重向量w可由下式得出：

(6)

由工程模糊集理论，可知判别表达式：

(7)

式中,uhj为样本j对模糊子集级别h的相对隶属度；dhj为样本j的指标与标准级别h之间的广义权重距离：

将式(5)和式(6)中的数据代入式(7)，得标准判别对判别级别h的相对隶属度向量：

uhi=(u1j,u2j,…,ucj)

(8)

应用级别特征公式，可得样本j的级别特征值:

Hj=(1,2,…,c)·(u1j,u2j,…,ucj)T

(9)

2 实例分析

由于物性相对较差，隔夹层在油层内属非有效储层，以胡尖山非有效储层研究为例，根据现有的研究区取心井资料及测井资料，建立储层的解释模型，综合测井资料和储层物性特征，建立不同类型隔夹层识别标志，应用建立的数学模型对剩余区域的隔夹层进行识别判断，并把所得的结果与岩心判断结果进行比较，效果明显，该方法对隔夹层的研究可以起到一定的推动作用。

2.1隔夹层识别标准的建立

对部分的岩心物性特征分析，在岩心刻度测井基础上，胡尖山主要有3类隔夹层，建立识别标准如表1所示。

表1 隔夹层判别标准

2.2隔夹层识别结果

表2 判别结果对比

利用已有测井资料，提取数据，在Matlab及VC++环境下进行识别。以新场10#井(X10)为例，识别效果如表2所示。从表2可以看出,识别的结果大致与最终岩心分析结果吻合,准确率可以达到所预期的结果，其中5084～5084.3m深度隔夹层类型识别不一致，这与指标权重的选取有关，从而模型的精度就会受到影响，各指标权重的选取主要是以经验总结为主，但其基本的结果还是反映了实际情况。