基于克隆选择的免疫粒子群优化算法

粒子群优化算法在进化中随种群多样性降低易出现早熟收敛等问题.针对这一问题,在粒子群算法中引入免疫克隆选择算法的思想,提出了基于克隆选择的免疫粒子群优化算法(Immune Particle Swarm Optimization,ImmunePSO),即在算法进化过程中,引入克隆复制算子、克隆高频变异算子、克隆选择算子.成比例克隆复制可以使优良个体得到保护,加快算法收敛;高频变异为新个体的产生提供了新的途径,可以增加种群的多样性;克隆选择算子从所有子代、父代中选择出最优个体,避免算法退化.最后通过对基本测试函数的仿真试验,验证了算法不仅可以增加种群的多样性,加快算法的收敛速度,而且提高了最优解的精度,有效地避免算法陷入到局部极值.     

基于领域驱动数据挖掘技术定量描述油层水淹级别

为了准确识别水淹层、确定储集层的水淹程度,引入数据挖掘技术,结合水淹层评价领域的相关知识,从"领域驱动"的角度建立高效预测储集层水淹程度的模型.结合研究区块沉积相带特征,综合运用聚类分析、关联规则和决策树等方法,对水淹层的测井数据及储集层衍生参数进行分沉积微相、分参数组合挖掘,分别获得预测整个研究区块和各小层水淹层的模型;并给出挖掘参数对油层水淹情况敏感程度的大小关系,证实不同沉积微相对水淹情况敏感的参数不同.将所得预测模型程序化之后,对研究区180口老井水淹层进行复查,对10口新井水淹层进行预测,其结果与试油结论对比,准确率为91.03%,证明了方法的可靠性.     

深层火山岩气层测井识别方法研究

三孔隙度测井资料在深层火山岩气层显示较弱，从而使三孔隙度测井资料识别深层火山岩气层较困难。本文提出视标准层差值法识别深层火山岩气层，该方法消除岩性、泥质和井眼的影响，突出气层与标准层的差别，放大地层含气信息。通过实际应用证实，视标准层差值法能很好地指示深层火山岩天然气层的信息。     

高精度胶结指数模型的建立与应用

由于复杂孔隙结构和强非均质性,胶结指数（m）不再是一个固定常数,饱和度的定量计算成为一个难题。针对这一问题,探索了高精度m值模型的建立方法。基于疏松砂岩、中等砂岩、致密砂岩、砾岩、凝灰岩、角砾岩、玄武岩、安山岩、英安岩和流纹岩10种岩性,首先分析了m值、饱和指数（n）的变化给饱和度的计算带来的影响,得出m值的变化对饱和度的影响更大;其次,基于Maxwell导电方程,发现了m值与有效孔隙度和导电孔隙度差值之间存在强线性正相关的关系,而导电孔隙度与有效孔隙度之间的关系并不是一成不变的,其关系表现为线性、指数、乘幂和多项式,并建立了m值与有效孔隙度之间的通用表达式。采用伊拉克米桑油田AG-3井高精度m值模型,分别处理AG-3井的白云岩和石灰岩储层,通过与岩心分析的结果进行对比,可知高精度m值模型改进了碳酸盐岩储层饱和度的计算精度,并为复杂孔隙型储层饱和度的定量评价奠定了一定的理论和实践基础。     

复杂储层连通孔隙度评价与渗透率定量计算方法

复杂储层中普遍存在孔隙度相近而渗透率差异较大的现象。为了揭示其原因,采用铸体薄片、核磁共振、CT扫描成像等实验评价孔隙的连通性。连通孔隙度是渗透率的一个主要贡献参数。因此,从岩石孔隙空间的导电机理出发,以导电孔隙度为桥梁,建立连通孔隙度的计算模型,并分析十二种不同类型岩石中连通孔隙度与总孔隙度的函数关系;基于连通孔隙度的计算模型,建立普适性的核磁共振T₂模型;以石灰岩储层为例,在相近孔隙度条件下,从不同类型岩石渗透率之间的差异出发,推导、建立孔隙度指数模型,得到孔隙度指数的分布范围。基于普适性的核磁共振T₂模型,可将石灰岩储层渗透率预测的平均绝对误差从20.41mD降至0.83mD。该方法具有一定的理论价值和实际意义。     

数据挖掘方法在石油勘探开发中的应用研究

 随着石油勘探开发的不断深入,要想从海量的地震数据中创造新的效益,有必要将数据挖掘方法应用于石油勘探和开发中,以获取高性能的地质、油藏、储层及流体性质评价的预测模型。该方法由特征选择、模型参数优化、性能评估等三大循环组成,核心技术是将遗传算法用于特征选择和参数优化,通过重复交叉验证得到泛化准确率的无偏估计以及从多种学习方法中优选出最终模型。本文以克拉玛依油田砾岩油藏水淹层评价为例,研究了6种特征子集方案和决策树、神经网络、支持向量机、贝叶斯网络及组合学习等5种方法,综合考虑预测模型的准确率和生成规则的可操作性,并选择决策树模型作为砾岩油藏水淹级别评价的最终预测模型。与传统的地球物理勘探方法相比较,采用该数据挖掘方法的优势在于：可以充分利用多专业数据;获得丰富的预测模型;探查和发现规律;提高预测准确度,因而能更好地为油气勘探开发服务。     

深层火山岩气层识别方法研究

三孔隙度测井资料在深层火山岩气层显示较弱,从而使三孔隙度测井资料识别深层火山岩气层较困难。本文提出视标准层差值法识别深层火山岩气层,该方法消除岩性、泥质和井眼的影响,突出气层与标准层的差别,放大地层含气信息。通过实际应用证实,视标准层差值法能很好地指示深层火山岩天然气层的信息。     

基于突现自组织映射的数据挖掘：测井岩性识别新方法

提出一种基于突现自组织映射的测井岩性识别数据挖掘方法。采用大规模神经元和无边界环面映射,用U矩阵进行可视化,最后通过人工交互进行聚类和分类。将该方法用于准噶尔盆地陆东一五彩湾地区的火山岩岩性识别,效果良好,准确率达90％以上。该方法能有效发现高维数据中隐藏的模式,尤其适合复杂岩性的测井识别。     

复杂岩性及多相流体智能识别方法

基于优化算法与分类算法的基本原理,针对K-Means优化后的岩心、测井和产液数据集,利用自组织特征映射神经网络SOM聚类建立岩性预测模型,综合决策树和支持向量机建立流体预测模型,并利用遗传算法、网格算法和二次算法对支持向量机的重要参数进行优化,以精确识别复杂储集层岩性和多相流体。对准噶尔盆地东部五彩湾凹陷石炭系复杂储集层4口新井进行精细解释,SOM岩性预测模型、决策树和支持向量机流体预测模型识别准确率分别为91.30%和95.65%,岩性复杂并非导致该储集层中流体性质差异的主要因素;由于研究区数据集复杂性和非线性程度不够强,导致决策树的建模精度优于支持向量机,分别为94.31%和86.97%,且线性的多项式函数性能优于径向基函数RBF和神经元函数Sigmoid、支持向量分类机中C-SVC的分类性能和泛化能力强于υ-SVC。