利用独立成分分析和朴素贝叶斯算法识别含硬石膏储层的岩性.pdf

《利用独立成分分析和朴素贝叶斯算法识别含硬石膏储层的岩性.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、2013年9月西安石油大学学报(自然科学版)Sep．2013第28卷第5期JournalofXianShiyouUniversity(NaturalScienceEdition)Vo1．28No．5文章编号：1673-064X(2013)05-0039-04利用独立成分分析和朴素贝叶斯算法识别含硬石膏储层的岩性石宁，李洪奇，罗伟平，(1．中国石油大学(北京)地球物理与信息工程学院，北京102249；2．油气数据挖掘北京市重点实验室，北京102249)摘要：提出了利用独立成分分析结合朴素贝叶斯算法识别岩性的方法，并以某含硬石膏储层为例进行了岩性识

2、别．结果表明，通过与独立成分分析的结合，贝叶斯算法能提高识别岩性的准确度．与单独使用贝叶斯算法相比，二者结合可使识别含硬石膏粉砂岩的正确率提高29个百分点．同时指出，在测井解释的过程中不应忽略算法的应用条件，通过合理的预处理方法，可以使解释过程更加严谨，从而提高测井解释水平．关键词：岩性识别；含石膏储层；朴素贝叶斯算法；独立成分分析中图分类号：P618．13文献标识码：A在中亚某油田，由于地层中混杂有大量的硬石岩，而盖层主要为泥岩和由泻湖相环境产生的膏膏矿物，岩性复杂，储层非均质性强，因此，准确识别岩J．根据参杂的硬石膏含量不同，粉砂岩又可以岩

3、性成为开发此类储层的重要前提．在测井解释中，分为两类：普通的粉砂岩和含硬石膏粉砂岩，其中前贝叶斯判别是识别测井相的常用方法J，在岩性识者是该地区重要的储层岩石，而后者非均质性强、渗别和沉积微相识别中也多有应用，但是在以往透率差，是非储层．因此，本次研究的任务是识别4的研究中对贝叶斯算法的假设条件重视不足，尤其种岩性(细砂岩、粉砂岩、含硬石膏粉砂岩以及泥是测井曲线无法满足贝叶斯算法对输人属性的独立岩)．输入的属性为6条测井曲线：声波时差AC、自性要求，以致影响了最终的分类效果．测井曲线虽然然电位sP、自然伽马GR、中子伽马NGR、电位测井彼此之间

4、物理意义不同，但研究的是同一地质对象，PZ、梯度测井OGZ．表1列出了各类岩石的取值范曲线间不仅不能独立，而且相关性较强，例如深电阻围，括号中标注的是平均值．表2是测井曲线的相关率与浅电阻率、声波测井与密度测井．本文利用独立系数矩阵，某些曲线之间相关程度很高，如GR曲线成分分析将测井曲线映射到特征空间，以满足贝叶与NGR曲线的相关系数达一0．92，不满足贝叶斯算斯算法的独立性假设条件J，再用贝叶斯算法判别法的独立性假设条件．储层岩性．2朴素贝叶斯算法1地质背景与数据资料朴素贝叶斯分类器基于概率统计的思想，它将K油田位于中亚乌兹别克斯坦东部，其储

5、层为样本的各种属性作为输入，计算其归属于各种类别下第三系的滨浅海相和三角洲相的细砂岩和粉砂的可能性，哪类概率最大，就属于哪一类．已知收稿日期：2013-02—10基金项目：国家科技重大专项(编号：2011ZX05023-005-006)作者简介：石宁(1982．)，男，博士研究生，主要从事测井解释、数据挖掘研究．E—mail：haishanpopo@sina．com一40一西安石油大学学报(自然科学版)表1不同岩性的取值范围与均值Tab．1Valuerangeandmeanvalueofdiferentlithology一一O一000．0．l3

6、9994120一O一J928195—O一1J■1133一O4一表2测井曲线的相关系数矩阵当附加2噪声很低时，Ⅳ(f)为0．0oTab．2CorrelationcoeficientmatrixofloggingcurvesX(t)=AS(t)+N(t)，M≥Ⅳ．(2)GRPZ0GZSPNGRDTICA的思路是设置一个N×M维反混合阵(又GRPZ称分离矩阵)W，混合信号X(t)经过w变换后输出0GZ一个Ⅳ维向量Y(t)=[Y1(t)，⋯，YN(t)]，即有SPY(t)=W·X(t)=W·A·S(t)．(3)NGRDTk维样本X={a一，a}，则属于

7、某一类别C的条件概率称为后验概率，表示式为图1ICA模型Fig．1ICAmodelP(c)=．(1)如图1所示，显然当W·A=I(I是N×N维单式中：P(C)是第i类的先验概率，P(C)：Si／S，其位阵)时，Y(t)=S(t)，输出向量就是源信号，即从观测信号中提取出了源信号，各源信号之间是彼此中，s是第i类样本的数量，S是各类样本的总数．由式(1)知，要使P最大，只需P(XIC)P(C)独立的．最大即可．如果各特征属性是彼此独立的，则存在条3．2FastICA算法FastICA算法以负熵作为搜寻的方向，具有较件概率密度p(xlCi)=nP(

8、XjICi)．之后选择快的收敛速度，是常用的独立成分分析方法．熵是信P(CI)最大的类作为的分类．号中所含有的平均信息量，如果某连续信号的概朴素贝叶斯