动态聚类分析在储层分级中的应用

在油气田，特别是海上油气田勘探开发工作中，为了提高经济效益，通常需要对储层进行分级，以便合理地制定勘探开发方案，然而，目前普遍使用的测井解释方法都无法提供储层分级的级别，通用的聚类分析也只能进行样本分类，为了从测井资料中获取储层分级信息，作者在动态聚类分析的基础上，将聚类中心的特征值之和定义为分级指数，从而成功地解决了储层分级问题，通过南海某油田ST36井的测井资料处理，并经多种资料验证，证明了用该方法进行储层分级是有效的。     

松辽盆地徐东地区下白垩统火山岩储层流动单元研究

以松辽盆地徐东地区营城组一段为例,在建立火山岩储层等时地层格架基础上,选取孔隙度和渗透率这两项参数,运用SPSS软件进行聚类分析和判别分析,分析了研究区目的层流动单元时空发育特征。结果表明,孔隙度和渗透率是最能反映储层渗流特征的参数。研究区目的层流动单元可以划分为I、II、III和VI类等4种,其中III和VI类最发育,Ⅱ类次之,I类最少。在等时地层格架内紧密组合取心井岩心分析物性资料和非取心井精细测井解释物性资料,运用SPSS软件进行聚类和判别分析,可以实现火山岩储层流动单元表征,为储层有效开发提供依据。     

松辽盆地营城组火山岩储层流动单元特征和控制因素

根据孔隙度、渗透率、储层品质指数(RQI)、流动层带指数(FZI)4个参数对XS1井区白垩系营城组火山岩的388个样品进行聚类分析,通过对聚类结果与各井产气情况的对比将储层流动单元划分为4类,所占比例依次为39.2%(Ⅲ类)、33.2%(Ⅱ类)、25.0%(Ⅰ类)、2.6%(Ⅳ类)。Ⅰ类储层流动单元多为高孔高渗、高孔中渗和中孔高渗储层,厚度范围为10～20m;Ⅱ类储层流动单元多为中孔高渗、高孔中渗和低孔高渗储层,厚度范围为10～47m;Ⅲ类储层流动单元多为中孔高渗、中孔低渗和低孔中渗储层,厚度范围为11～86m;Ⅳ类储层流动单元为低孔低渗和特低孔特低渗储层,厚度小于10m。火山岩储层流动单元发育和分布受火山机构相带和火山岩亚相的控制,表现为火山口-近火山口相带成为Ⅰ、Ⅱ类储层流动单元的机率最大,近源相带成为Ⅱ、Ⅲ类储层流动单元的机率最大,远源相带成为Ⅲ类和Ⅳ类储层流动单元的机率最大。原生气孔发育的上部亚相和粒间孔发育的热碎屑流亚相形成Ⅰ类储层流动单元的机率最大,原生孔隙不发育的空落亚相和下部亚相形成Ⅲ类储层流动单元的机率大。实现了火山岩储层流动单元的单井识别,为其三维模型的建立提供依据。     

地质-地球物理综合岩性边界刻画技术及其在C油田中的应用

上倾尖灭型油气藏是重要的岩性油气藏类型之一,岩性尖灭边界刻画是论证圈闭有效性的关键。为了提高圈闭刻画的有效性,降低勘探开发的风险,本文提出地质-地球物理相结合的方法综合刻画储层边界。通过西湖凹陷C油田花港组岩心相-测井相-地震相分析、地震沉积学分析、储层构型分析等地质方法开展储层平面展布精细刻画,厘定沉积相类型,定性预测砂体展布规模。在此基础上,采用地震多属性分频融合分析和神经网络聚类分析、波形聚类分析以及砂描解释等多种地球物理技术方法精细落实储层尖灭位置。结果表明,研究区为浅水三角洲沉积,三角洲平原河道宽约1 000 m,前缘水下分流河道宽约680 m;利用地震多属性、波形聚类以及砂描解释联合确定了西块三角洲平原河道砂体的边界。     

综合主因子分析和WARD聚类法研究储层分类评价

影响储层分类的有很多变量,而这些变量之间又有相关性,针对这样的问题,利用主因子分析建立主因子模型,从而用更少的变量代替原有众多变量的主要信息。得到的主因子之间不具有多重共线性,因此可以将主因子数据进行WARD聚类分析,从而对储层进行综合分类评价。利用主因子分析和WARD聚类法对柯克亚凝析气田西河甫组西五二段储层分类评价,所得的结果与工程实际高度吻合。研究表明,此方法地质意义明确,能定量评价储层,有较高的应用价值。     

扇三角洲沉积储层特征与定量评价——以辽河西部凹陷某试验区于楼油层为例

随着蒸汽吞吐开采方式进入后期,储层非均质性对开发效果的影响日益凸显。以辽河西部凹陷某试验区为例,综合岩心、镜下薄片、测井、分析测试等多种资料,实现储层发育特征表征。研究区目的层属扇三角洲前缘沉积,由于水下分流河道的频繁分流改道,砂体相互切叠,储层非均质性强烈。优选充分反映储层性质影响因素的参数,基于经典的聚类分析软件平台,实现扇三角洲沉积储层定量评价。将目的层储层划分为Ⅰ类、Ⅱ类、Ⅲ类和Ⅳ类4种类型,储层分类正判率超过85%。不同类型储层发育明显受沉积相控制,Ⅰ类和Ⅱ类储层多位于水下分流河道和河口砂坝的位置,而Ⅲ类和Ⅳ类储层多位于水下分流河道间砂或前缘席状砂的位置。不同类型储层在转换热采方式时应该区别对待。     

水库控制流域汛期分期的有效聚类分析

受诸多因素影响的水库汛期分期其实质是一个聚类数目未确知的高维时间序列聚类问题,它要求聚类方法具有能处理高维和时序性数据,且能同时回答聚为几类最为合理的能力。鉴于目前常规聚类方法不同时具备这些能力,在模糊C-均值聚类和紧密与分离聚类有效函数的基础上,提出了能够处理高维时序聚类问题的动态模糊C-均值聚类分析方法和相应的时序聚类有效性函数,耦合二者建立了适用于汛期分期的有效模糊聚类分析方法,提出采用实码加速遗传算法优化求解,克服了模糊C-均值聚类方法常规迭代优化求解对初值敏感的困难,并给出了完备的建模步骤和模型的合理性检验。最后,将模型应用于滦河流域潘家口水库汛期分期中,得出了合理的结论。     

锦45块储层流动单元

正确地划分储层流动单元,对预测剩余油分布、调整开发方案、提高采收率都具有重要意义。采用多参数的聚类分析和模糊综合评价相结合的方法进行储层流动单元的划分,在此基础上应用BP网络技术对流动单元进行预测。研究表明,本区储层可以划分为Ⅰ、Ⅱ、Ⅲ、Ⅳ 4类流动单元:其中Ⅰ类是该区储集性能最好的储层流动单元,虽然开发程度较高,大部分井已经关闭,但个别井目前仍具有一定的生产能力;Ⅱ类是该区储集性能较好的储层流动单元,水淹的程度较低,还存有一定的剩余油,是目前油田生产的主要区域;Ⅲ类是该区储集性能较差的流动单元,开发效果一般,动用程度较差,所以是油田进一步挖潜的区域;Ⅳ类是该区储集性能最差的流动单元,原始含油性很差,因此不是剩余油分布的主要区域。对各类流动单元特征进行了精细的分析,为油田综合治理提供了详细的地质依据。     

中国降水混沌识别及空间聚类

0-1混沌测试方法是一种新的可直接作用于时间序列的混沌识别方法,不需要进行相空间重构,通过对Chebyshev映射的检验验证了有效性。运用0-1方法对中国640个气象站1960-2011年月降水序列进行混沌识别,并运用基于密度的顾及非空间属性的空间聚类方法（DBSC）对计算结果进行空间聚类。结果表明,各气象站月降水序列均表现出明显的混沌特性,且K值的空间分布具有明显的分区特征：从大尺度上看,全国可分为西北高值区、南方次高区、华北-东北中值区和青藏低值区;从小尺度上看,全国分出了29个空间簇。中国降水混沌空间聚类结果不仅与大尺度的气候类型分布相吻合,而且也反映了局部降水动力系统变化特征,这就为降水系统的时空规律研究提供了一条新的途径和方法。     

聚类方法在电气石颜色成因研究中的应用

天然电气石颜色多种多样,颜色成因非常复杂。为了更好了解它的颜色成因,采用统计学中的聚类方法对其颜色成因进行了分类。该分类方法以Matlab软件为工作平台,从测试数据(电子探针分析结果)中选出对电气石颜色形成起重要作用的氧化物,如TiO2,FeO,Fe2O3,MnO作为聚类分析的特征变量。以这些变量作为距离聚类分析的基础,对所研究各种颜色的电气石进行聚类。通过聚类分析研究,把电气石颜色成因的结果与其它测试方法的结果进行对比,证实本聚类方法真实可靠。     

Recognizing Correlated Patterns from Remotely Sensed Images: A New Learning Rule Based on Spin Glass Theory

Classification of remotely sensed images is a rich research field wherein techniques from conventional statistics to recent developments such as Artificial Neural Network, Fuzzy logic etc. has wide applications. Conventionally remotely sensed image classification referred to pixel classification based on broad categories such as vegetation and water bodies. With the availability of high-resolution imageries, shape analysis of macro structures contained in images becomes an important and difficult task. Although conventional statistical pattern recognition techniques give a reasonable result, Artificial neural network methods seem to be giving better results. In this paper, we give a survey of feed-forward neural network used for shape classification and a Hopfield model with an improved learning rule, for a typical shape analysis problem.     

BP、Hopfield神经网络在位场反演中的应用比较

比较了BP、Hopfield二种神经网络模型的特性及其运行机制,分别用于位场反演,还比较了各自在位场反演中的应用效果。结果表明:这二种神经网络模型虽然都可用于位场反演,但由于Hopfield网络缺乏学习能力,不能较好地利用已知地质、地球物理信息而受到限制。而BP神经网络具有较强的学习能力,能从已知的信息中得到有利于解决最优化问题的结论,比Hopfield神经网络更加适合于位场的反演问题。     

Computerization of Rock Engineering Systems Using Neural Networks with an Expert System

Summary With the Rock Engineering Systems (RES) methodology, rock mechanics and rock engineering problems are studied systematically using a total systems approach, incorporating rock mass properties, interrelated parameters, complex interaction mechanisms and dynamic behavioral modes. In this paper, a method of implementation and computerization of RES is considered, using neural networks together with an expert system. The computerized RES starts with the data processing of rock mass properties and boundary conditions and data base management of rock engineering case records. This step is followed by building and operating parameter interaction matrices with the combined use of backpropagation networks and an expert system. Finally, a simulator for modelling the dynamic process of rock engineering systems using the Hopfield network is incorporated. With the aid of neural networks' learning capability and expert system's symbol-reasoning capability, the RES approach is implemented in an “intelligent” mode.     

基于投影寻踪技术的矿井突水水源判别模型——以新庄孜煤矿为例

投影寻踪是一种降维处理技术,它可以将高维分析问题通过投影方向转化为低维问题分析.应用该法的关键在于寻求最佳投影方向,这可以转化为一个复杂的非线性优化问题,结合Matlab的遗传算法工具箱进行优化求解.本文以淮南新庄孜煤矿为例,建立突水水源判别投影寻踪模型,并与模糊综合评判模型、神经网络模型、灰色聚类模型进行分析比较.结果表明:投影寻踪判别模型能够有效地判别突水水源,比模糊综合评判、神经网络模型、灰色聚类模型具有更高的准确性,为矿井突水水源判别提供了一个新途径.     

改进遗传算法和支持向量机的岩体结构面聚类分析

岩体结构面控制着岩质边坡和地下洞室等岩体工程的稳定性,在岩体力学及水力学分析中起到关键作用。为对岩体结构面进行合理分组,精确地模拟岩体结构面网络的分布,提出一种融合改进遗传算法和支持向量机的聚类方法。首先,根据岩体结构面产状信息建立结构面分组的数学模型,采用改进的遗传算法计算结构面样本的全局最优聚类中心,再以聚类中心为训练样本,利用支持向量机方法将结构面样本进行完全划分。通过随机产生的结构面数据以及实际工程的运用表明,遗传-支持向量机聚类算法对岩体结构面的分组合理,获得的优势结构面结果可靠。     

Reliability of selected procedures of stress inversion and data separation for inhomogeneous populations of calcite twins and striated faults: insights from numerical experiments

In the course of numerical experiments selected algorithms for stress tensor inversion and separation of heterogeneous populations of calcite twins and striated faults were tested. Artificial data sets were created in a manner simulating natural processes. They were composed of data, dynamically compatible with one or two stress tensors and chaotic “noise” imitating natural imperfections. For calcite twins the classical inversion procedure is considered valid, with restrictions regarding a high proportion of chaotic data, when shape ratio of the stress tensor Φ is poorly constrained. The algorithm of Etchecopar (1984 fide Tourneret and Laurent in Tectonophysics 180:287–302, 1990) devised originally for calcite twins has been modified and applied to fault/slip data, facilitating a rejection of incompatible outliers. Two main classes of data separation procedures were tested: separation contemporary with inversion and separation prior to inversion, utilising hierarchical clustering. The separation contemporary with inversion performs moderately but often fails with complex calcite twin sets. The performance of hierarchical clustering is high, but only with a σ ₁ orientation as a similarity criterion—the new strategy introduced in this contribution. For fault/slip data the hierarchical clustering with the right-dihedra construction as the similarity criterion (Nemcok et al. 1999) is satisfactory. Additionally, a new approach is proposed for fault/slip data, utilising principles of the classical algorithm for heterogeneous populations of calcite twins. Validated algorithms for striated faults were successfully applied to a natural data set from the Holy Cross Mts (central Poland).     

煤层注水难易程度的BP神经网络评价法

科学评价煤层注水难易程度,既是判定煤层是否可注及可注效果,也是确定煤层注水方式和工艺参数的重要依据。但是,由于煤层注水难易性受多种因素影响,属于极为复杂的非线性问题,很难用传统的数学方法进行定量评价。文献[1]用模糊聚类方法进行定量评价,在实际应用中,由于精度不够,出现过误判。为此,针对影响评价煤层注水难易程度的多种因素,如煤层孔隙率、煤的坚固系数、湿润边角、饱和水份增值等所构成的复杂系统,采用具有非线性映射功能的神经网络评价煤层注水难易程度,将煤层注水难易程度分为4级。并将该方法的评价结果同模糊聚类进行了对比,通过比较和实例验证,其误差为5.6%,提高了10个百分点。此方法评价精度较高,可用于指导实际煤层注水工程。     

大坝安全诊断的混沌优化神经网络模型

为了提高大坝变形的预测精度,采用小波变换和分形理论对大坝位移观测数据的非线性动力学特性进行了分析,揭示了其具有低维混沌动力特性,这为大坝变形预测模型的建立提供了理论依据和先验知识。基于低维混沌动力特性,设计了能捕获大坝位移观测数据全局动力特性,兼具神经网络模型结构优化和动力机制时新的混沌优化神经网络大坝变形预测模型。在工程实例中,由多个度量指标组成量化评价体系,对模型预测性能进行综合评价,结果表明,所建模型比传统BP神经网络和ARMA模型具有更高的预测精度。     

Storm surge prediction using an artificial neural network model and cluster analysis

In this study, an artificial neural network model was developed to predict storm surges in all Korean coastal regions, with a particular focus on regional extension. The cluster neural network model (CL-NN) assessed each cluster using a cluster analysis methodology. Agglomerative clustering was used to determine the optimal clustering of 21 stations, based on a centroid-linkage method of hierarchical clustering. Finally, CL-NN was used to predict storm surges in cluster regions. In order to validate model results, sea levels predicted by the CL-NN model were compared with results using conventional harmonic analysis and the artificial neural network model in each region (NN). The values predicted by the NN and CL-NN models were closer to observed data than values predicted using harmonic analysis. Data such as root mean square error and correlation coefficient varied only slightly between CL-NN and NN model results. These findings demonstrate that cluster analysis and the CL-NN model can be used to predict regional storm surges and may be used to develop a forecast system.