基于最小風(fēng)險貝葉斯決策油藏質(zhì)量分類器設(shè)計

1、北華大學(xué) 基于最小風(fēng)險貝葉斯決策油藏質(zhì)量分類器設(shè)計學(xué)院： 電氣信息工程學(xué)院 . 班級： 信息13級 1班 . 姓名： 麻莉娜 . 學(xué)號： 201316040121 .摘 要：油藏分類方法研究是為了更好的對油藏進行管理，提高對油氣田的開發(fā)。目前對油藏的分類有很多標(biāo)準(zhǔn)，如粘度、密度、孔滲性等根據(jù)原有物性的分類，也有斷塊、背斜、不整合等根據(jù)圈閉構(gòu)造的分類，也有很多學(xué)者進行了系統(tǒng)的聚類分析，實現(xiàn)了油藏的聚類分類方法，各種分類方式有各自的優(yōu)缺點，適應(yīng)不同的需求，本文將會用最小風(fēng)險貝葉斯決策油藏質(zhì)量分類器設(shè)計。關(guān)鍵詞：油藏分類；聚類分析；貝葉斯決策；構(gòu)造分類目 錄1、 引言. 11.1課程背景及目的. .

2、 .11.2油藏的分類. . .11.3課題研究方法. .2二、最小風(fēng)險貝葉斯決策分類器的研究與分析.22.1分類器的概念. .22.2分類器的構(gòu)造方法. . .3三、最小風(fēng)險貝葉斯決策法的研究與分析.33.1 最小風(fēng)險貝葉斯決策模型.3四、最小風(fēng)險貝葉斯決策的分類器的設(shè)計與編程實現(xiàn).44.1 開發(fā)環(huán)境的選擇 .44.2油藏質(zhì)量最小風(fēng)險決策數(shù)據(jù)準(zhǔn)備. .54.3相關(guān)MATLAB代碼. .6五、結(jié)論. . .8六、參考文獻. .9一、 引言油田進入開發(fā)后期，其含水率高、剩余油分布復(fù)雜、分析和挖潛難度增大，需要不斷改進開采技術(shù)、完善開發(fā)方案，才能達到提高開發(fā)效果和提高經(jīng)濟效益的目的。要有效地改善油

3、田開發(fā)效果，就必須建立一套完善的開發(fā)評價體系，而不同類型的油藏在開發(fā)時表現(xiàn)出的生產(chǎn)特征和生產(chǎn)指標(biāo)不同，所以考核標(biāo)準(zhǔn)也就不同。 能體現(xiàn)油藏參數(shù)的指標(biāo)是非常繁雜的，如構(gòu)造圈閉類型、沉積微相類型、油層埋藏深度、油層厚度、流體性質(zhì)、儲層孔隙度、滲透率、非均質(zhì)性等等。 這些油藏參數(shù)在不同的油田甚至在同一油田開發(fā)的不同時期，對油田的日產(chǎn)油量、采油速度、含水上升率、遞減規(guī)律、采收率等開發(fā)指標(biāo)的影響程度也是不同的，也就是說，不同類型的油藏，開發(fā)評價和進行指標(biāo)考核的標(biāo)準(zhǔn)是不同的。 要科學(xué)合理地管理油田，最大限度地發(fā)揮油田潛力，就必須建立科學(xué)的油藏分類體系。1.1課程背景及目的目前，油藏分類的指標(biāo)體系很多。比如，

4、按原油粘度分類，把油藏分為稀油、普通稠油、特稠油、超稠油；按照孔隙度、滲透率分類，把油藏分為特高滲、高滲、中滲、低滲、特低滲。這些分類通常是按油藏的某一特殊指標(biāo)進行分類的，突出了某一特殊指標(biāo)的作用，對一些特殊類型的油藏，可以指導(dǎo)油田生產(chǎn)和管理，但是缺乏普遍性。油藏是指油在單一圈閉中具有同一壓力系統(tǒng)的基本聚集。如果在一個圈閉中只聚集了石油，稱為油藏；只聚集了天然氣，稱為氣藏。一個油藏中含有幾個含油砂層時，稱為多層油藏 。對氣頂來說，稱為氣頂邊緣。它是油和水的內(nèi)部分界線，一般情況下，在此線以內(nèi)只有油，而沒有可流動的水。屬于此類的油氣藏有：背斜油氣藏、斷層遮擋油氣藏、斷塊油氣藏、構(gòu)造裂隙油氣藏以及少

5、見的向斜油氣藏 。其中常見的有砂巖透鏡體、巖性尖滅和生物礁塊油（氣）藏 。1.2油藏的分類 對油藏進行分類是為了更好的對油藏進行管理，提高對油氣田的開發(fā)。目前對油藏的分類有很多標(biāo)準(zhǔn)，如粘度、密度、孔滲性等根據(jù)原有物性的分類，也有斷塊、背斜、不整合等根據(jù)圈閉構(gòu)造的分類，也有很多學(xué)者進行了系統(tǒng)的聚類分析，實現(xiàn)了油藏的聚類分類方法，各種分類方式有各自的優(yōu)缺點，適應(yīng)不同的需求，本文將會就現(xiàn)有的研究成果，對油藏分類問題進行綜合的歸納。油藏的分類至今也沒有統(tǒng)一的答案，根據(jù)不同的標(biāo)準(zhǔn)，可以分成不同的等級、類別。但是油藏分類一般應(yīng)遵循以下三個原則3 ： 1)油藏的地質(zhì)特征，包括油藏的圈閉、儲集巖、儲集空間、壓

6、力等特征。 2)油藏的流體及其分布特征。 3)油藏的滲流物理特性，包括巖石表面的潤濕性，油水、油氣相對滲流效率等。 4)油藏的天然驅(qū)動能量和驅(qū)動類型。在遵循了這些原則的前提下，油藏的分類仍然受很多因素的影響，也就是分類的標(biāo)準(zhǔn)，包括粘度、揮發(fā)性、以及儲集層物性等。按原油的性質(zhì)分為：低粘油，油層條件下原油粘度5mPa.s；中粘油，油層條件下原油粘度520mPa.s；高粘油，油層條件下原油粘度2050mPa.s；稠油，油層條件下原油粘度50mPa.s，相對密度0.920.稠油又可細分為3大類4大級。在此 我們將以油藏的強、較強、一般、差進行分類1.3課題研究方法貝葉斯定理用數(shù)學(xué)家Thoms Baye

7、s 命名的， 他是18 世紀(jì)概率論和決策論的早期研究者， 在貝葉斯定理中設(shè)X 是初始數(shù)據(jù)元組，H 為某種假設(shè)，換言之，可以把X 看成先在的證據(jù)，在證據(jù)成立的情況下，假設(shè)H 也成立的概率，記為P(H|X)。同時我們也稱P(H|X)是后驗概率，也就是在條件X 滿足下，H 的后驗概率。例如，假設(shè)有名職員，他的職位是經(jīng)理，把這個事實記成X，他的收入是4000 元以上，把這個事實記為H，那么P(H|X)就是指假設(shè)該員工是這家公司的經(jīng)理，那么他的月收入可能是4000 元以上的概率。相反，P(H)是先驗概率，針對上面的例子，就是公司的任意職員，不管其職位是什么。后驗概率比先驗概率包含更多的內(nèi)在信息。貝葉斯定

8、理就為這些概率提供了一種相互的聯(lián)系：P(H|X)= P(X|H)P(H)P(X)貝葉斯決策不是使決策問題完全無風(fēng)險，而是通過其他途徑增加信息量是決策中的風(fēng)險減小。由此可以看出，貝葉斯決策是一種比較實際可行的方法。二、最小風(fēng)險貝葉斯決策分類器的研究與分析2.1分類器的概念分類器的定義：輸入的數(shù)據(jù)含有千萬個記錄，每個記錄又有很多個屬性，其中有一個特別的屬性叫做類（例如信用程度的高、中、低）。分類器的目的就是分析輸入的數(shù)據(jù)，并建立一個模型，并用這個模型對未來的數(shù)據(jù)進行分類，數(shù)據(jù)分類技術(shù)在信用卡審批、目標(biāo)市場定位、醫(yī)療診斷、故障檢測、有效性分析、圖形處理及保險欺詐分析等領(lǐng)域，都可以看到分類器廣泛應(yīng)用。

9、分類是一種典型的有監(jiān)督的機器學(xué)習(xí)方法，其目的是從一組已知類別的數(shù)據(jù)中發(fā)現(xiàn)分類模型，以預(yù)測新數(shù)據(jù)的未知類別。用于分類的數(shù)據(jù)是一組已知類別的樣本，每個樣本包含一組相同的屬性。根據(jù)在分類中的作用，屬性可以分為條件屬性和目標(biāo)屬性兩種。這樣，一個樣本就可以表示為（X1，X2,.Xm,Y）的形式，集中，Xi是條件屬性，Y是目標(biāo)屬性。分類的目的就是發(fā)現(xiàn)X1，X2,.Xm和Y之間的依賴關(guān)系，這種依賴關(guān)系又稱為分類模型或者分類器?？梢哉J為，分類器就是一個函數(shù)，它的輸入是未知類別的樣本，輸出是樣本的類別。2.2分類器的構(gòu)造方法分類的方法不同，模型的表示形式就不同，利用決策樹方法構(gòu)造的分類模型就可能表示為樹狀結(jié)構(gòu)過

10、著分類規(guī)則，神經(jīng)網(wǎng)絡(luò)哦的分類模型則可以表示為由單元和系數(shù)構(gòu)造的網(wǎng)絡(luò)模型，而貝葉斯分類的模型則表示為數(shù)學(xué)公式。圖一 分類的三個步驟一個完整的分類過程一般包括模型構(gòu)造，模型餓時和模型應(yīng)用這三種。三、最小風(fēng)險貝葉斯決策法的研究與分析3.1最小風(fēng)險貝葉斯決策模型貝葉斯決策就是在不完全請報下，對部分未知狀態(tài)用主觀概率估計。貝葉斯決策屬于風(fēng)險型決策，決策者雖不能控制客觀因素的變化，但可掌握其變化的可能狀況及各種狀況的分布概率，并利用期望值即未來可能出現(xiàn)的平均狀況為決策準(zhǔn)則。貝葉斯決策不是使決策問題完全無風(fēng)險，而是通過其他途徑增加信息量是決策中的風(fēng)險減小。由此可以看出，貝葉斯決策是一種比較實際可行的方法。本

11、文運用最小風(fēng)險貝葉斯決策法，進行油藏的分類器進行設(shè)計。設(shè)對于實際狀態(tài)為wj的向量x采取決策i所帶來的損失為(i,wj),i=1,.,k,j=1,.,c該函數(shù)稱為損失函數(shù)，通常它可以用表格的形式給出，叫做決策表。需要知道，最小風(fēng)險貝葉斯決策中的決策表是需要人為確定的，決策表不同會導(dǎo)致決策結(jié)果的不同，因此在實際應(yīng)用中，需要認真分析所研究問題的內(nèi)在特點和分類目的，與應(yīng)用領(lǐng)域的專家共同設(shè)計出適當(dāng)?shù)臎Q策表，才能保證模式識別發(fā)揮有效的作用。對于一個實際問題，對于樣本x，最小風(fēng)險貝葉斯決策的計算步驟如下：（1）利用貝葉斯公式計算后驗概率：P(wj|x)=p(x|wj)P(wj)/(x|wi)P(wi),j=

12、1,.,c其中要求先驗概率和類條件概率已知。（2）利用決策表，計算條件風(fēng)險：R(i|x)=(i|wj)P(wj|x),i=1,.k（3）決策：選擇風(fēng)險最小的決策，即：=argR(i|x)假設(shè)：P(w1)=0.9,P(w2)=0.1p(x|w1)=0.2,p(x|w2)=0.411=0,12=621=1,22=0計算得后驗概率為：p(w1|x)=0.818,p(w2|x)=0.182計算條件風(fēng)險：R(1|x)=j=121jP(wj|x)=12P(w2|x)=1.092R(2|x)=j=122jP(wj|x)=21P(w1|x)=0.818由于R(1|x)R(2|x)，即判別為1類的風(fēng)險更大，根據(jù)

13、最小風(fēng)險決策，應(yīng)將其判別為2類。四、最小風(fēng)險貝葉斯決策分類器的設(shè)計與編程實現(xiàn)4.1 開發(fā)環(huán)境的選擇 Matlab是當(dāng)今世界上使用最為廣泛的數(shù)學(xué)軟件，它具有相當(dāng)強大的數(shù)值計算、數(shù)據(jù)處理、系統(tǒng)分析、圖形顯示，甚至符號運算功能，是一個完整的數(shù)學(xué)平臺，在這個平臺上，你只需寥寥數(shù)語就可以完成十分復(fù)雜的功能，大大提高了工程分析計算的效率。另外由于Matlab的廣泛使用，于是出現(xiàn)了為各個領(lǐng)域?qū)ｉT使用的工具箱(即在某一研究領(lǐng)域常用數(shù)學(xué)工具的函數(shù)包)，這些工具箱的出現(xiàn)更加促進了Matlab的流行4.2 油藏質(zhì)量最小風(fēng)險決策數(shù)據(jù)準(zhǔn)備1、數(shù)據(jù)輸入（1） 井頭數(shù)據(jù)輸入（井位文件.txt） （2） 井斜數(shù)據(jù)輸入 數(shù)據(jù)格

14、式1的井斜數(shù)據(jù)輸入； 數(shù)據(jù)格式2的井斜數(shù)據(jù)輸入 （3） 地質(zhì)分層數(shù)據(jù)輸入（分層數(shù)據(jù).txt） （4） 測井?dāng)?shù)據(jù)輸入ASCII格式的測井?dāng)?shù)據(jù)輸入(測井?dāng)?shù)據(jù)M16.txt)； LAS格式的測井?dāng)?shù)據(jù)輸入2、petrel模型（全井號的完整模型建模文件。） 包括：孔隙度、滲透率、砂巖厚度、有效厚度、網(wǎng)格構(gòu)架、井軌跡等數(shù)據(jù)文件。3、原油的高壓物性（pvt）： 地面條件下油、水、氣的密度； 油藏壓力、巖石壓縮系數(shù)； 干氣的PVT性質(zhì)（包括：氣相壓力、相應(yīng)的氣體地層體積系數(shù)、相應(yīng)的氣體粘度），以數(shù)據(jù)表的格式提供（不少于2行）； 濕氣的PVT性質(zhì)（包括：氣相壓力、壓力下的飽和氣揮發(fā)油氣比、壓力下飽和氣氣體地層體

15、積系數(shù)、壓力下飽和氣的氣體粘度），以數(shù)據(jù)表的格式提供（不少于2行）； 水的PVT性質(zhì)（包括：地層壓力、該壓力下的地層水體積系數(shù)、水壓縮系數(shù)、該壓力下的水粘度、水的粘性系數(shù)）； 原油的PVT性質(zhì)（包括：溶解氣油比、該溶解氣油比下的原油泡點壓力、該泡點壓力下的飽和原油的原油地層體積系數(shù)、該壓力下的飽和原油的原油粘度）。4、相對滲透率數(shù)據(jù)： 油水相對滲透率（包括：水的飽和度、該飽和度下的水相對滲透率、油水共存時油的相對滲透率、相應(yīng)的油水毛管壓力）； 油氣相對滲透率（包括：氣體飽和度、對應(yīng)的氣的相對滲透率、對應(yīng)的油的相對滲透率、對應(yīng)的油氣毛管壓力）。5、平衡區(qū)參數(shù)： 該區(qū)溶解氣油比與深度的關(guān)系（包括：

16、深度、該深度下的溶解氣油比，不少于兩行數(shù)據(jù)）； 油藏中深、該深度下的油藏壓力、水油界面的深度、在油水界面處的油水毛管壓力、氣油界面深度、在氣油界面的氣油毛管壓力。6、開發(fā)數(shù)據(jù)： 單井的生產(chǎn)數(shù)據(jù)（包括：月產(chǎn)油、月產(chǎn)水、月產(chǎn)氣、月注水、月注氣、生產(chǎn)天數(shù)）； 單井的射孔數(shù)據(jù)（包括：射孔時間、射孔層位、補孔時間、補孔層位、封堵時間、封堵層位等等一系列的井史情況）；4.3相關(guān)MATLAB代碼clear all clc % 輸入實驗樣本 filename,pathname=uigetfile(*.txt,請選擇訓(xùn)練數(shù)據(jù)(此處為t1.txt); t1=importdata (pathname filenam

17、e); filename,pathname=uigetfile(*.txt,請選擇訓(xùn)練數(shù)據(jù)(此處為t2.txt); t2=importdata (pathname filename); filename,pathname=uigetfile(*.txt,請選擇訓(xùn)練數(shù)據(jù)(此處為t3.txt); t3=importdata (pathname filename); P=t1;t2;t3; A=2 3 4 8; P1=P(:,5:7); P2=P(:,A); a,b=size(P1); q=mean(P1); s=var(P1); fprintf(CODBOD5和SS運行結(jié)果:n) for j=1:

18、b for i=1:a y(i,j)=(P1(i,j)-min(P1)/(max(P1)-min(P1); end end fprintf(輸出預(yù)處理數(shù)據(jù):n) y %求出矩陣y的全部特征值和對應(yīng)的特征向量fprintf(輸出協(xié)方差:n) st=cov(y) fprintf(特征向量V及特征值D:n) V,D=eig(st) nd=diag(D) ; y,i=sort(nd) ; fprintf(特征根按照從小到大的順序排序的結(jié)果:n) for z=1:length(y) newy(z)=y(length(y)+1-z); end fprintf(%gn,newy) rate=y/sum(y)

19、; fprintf(n主成分貢獻率:n) nr=newy/sum(newy) sr=0; newi=;3/8頁 for k=length(y):-1:1 sr=sr+rate(k); newi(length(y)+1-k)=i(k); if sr0.90 break; end end fprintf(主成分的個數(shù):%gnn,length(newi); fprintf(因子負荷量矩陣為:n) for p=1:length(newi) for q=1:length(y) result(q,p)=sqrt(nd(newi(p)*V(q,newi(p); end end disp(result) a,

20、b=size(P2); q=mean(P2); s=var(P2); fprintf(PH堿度氨氮和硝態(tài)氮:n) for j=1:b for i=1:a y(i,j)=(P2(i,j)-min(P2)/(max(P2)-min(P2); end end fprintf(輸出預(yù)處理數(shù)據(jù):n) y fprintf(輸出協(xié)方差:n) st=cov(y) fprintf(特征向量V及特征值D:n) V,D=eig(st) nd=diag(D) ; y,i=sort(nd) ; fprintf(特征根按照從小到大的順序排序的結(jié)果:n) for z=1:length(y) newy(z)=y(length(y)+1-z); end fprintf(%gn,newy) rate=y/sum(y); fprintf(n主成分貢獻率:n) nr=newy/sum(newy) 4/8sr=0; newi=; for k=length(y):-1:1 sr=sr+rate(k); newi(length(y)+1-k)=i(k); if sr0.90 break; end end fprintf(主成分的個數(shù):%gnn,length(newi); fprintf(因子負荷量矩陣為:n) for p=1:length(newi) for q=1:length(y) result(q,p)=sq