一种凝聚聚类无监督算法的流体类型识别方法与流程

技术特征：
1.一种凝聚聚类无监督算法的流体类型识别方法，其特征在于，包括以下步骤：步骤a，获取储层中目标井所在区域的目标参数；步骤b，基于目标参数的部分数据，计算单位孔隙体积岩石氯化盐含量阈值和含水饱和度；步骤c，重新整理目标数据；步骤d，判断单位孔隙体积岩石氯化盐含量是否大于单位孔隙体积岩石氯化盐含量阈值，或者含水饱和度是否大于含水饱和度阈值；步骤e，在步骤d的基础上，若单位孔隙体积岩石氯化盐含量大于等于单位孔隙体积岩石氯化盐含量阈值，或者含水饱和度大于等于含水饱和度阈值，则判断该样本点所对应的储层目标井所在区域为水层；若单位孔隙体积岩石氯化盐含量小于单位孔隙体积岩石氯化盐含量阈值，或者含水饱和度小于含水饱和度阈值，则判断该样本点所对应的储层目标井所在区域不为水层，则到步骤f；步骤f，剔除那些已经判断为水层的数据点，选取剩下的样本点作为新的数据输入，对新的数据进行预处理；步骤g，将预处理后的目标数据加载到凝聚聚类模型进行训练并且预测，并设置分类个数为2；步骤h，通过地质工作者的经验和专家知识，只需分析一类数据样本点，将输出结果的伪标签转换成真实标签输出流体分类真实结果。2.根据权利要求1所述的一种凝聚聚类无监督算法的流体类型识别方法，其特征在于，步骤a，所述的目标参数包括：孔隙度、渗透率、孔隙体积、岩石密度、混合密度、地层水矿化度、岩石氯化盐含量和含水饱和度阈值；所述的混合密度为油气水和岩石的混合密度。3.根据权利要求2所述的一种凝聚聚类无监督算法的流体类型识别方法，其特征在于，步骤b中，基于目标参数的部分数据包括：孔隙度、孔隙体积、岩石密度、地层水矿化度、岩石氯化盐含量和含水饱和度阈值。4.根据权利要求3所述的一种凝聚聚类无监督算法的流体类型识别方法，其特征在于，步骤b中，计算单位孔隙体积岩石氯化盐含量阈值的公式为：其中，sal
w
为地层水矿化度，λ为孔隙度，s
wt
为含水饱和度阈值，ρ
r
为岩石密度，ν
k
为孔隙体积，rcl
t
为单位孔隙体积岩石氯化盐含量阈值。5.根据权利要求3所述的一种凝聚聚类无监督算法的流体类型识别方法，其特征在于，步骤b中，计算含水饱和度的公式为：其中，sal
w
为地层水矿化度，λ为孔隙度，s
w
为含水饱和度，ρ
r
为岩石密度，ν
k
为孔隙体积，rcl为单位孔隙体积岩石氯化盐含量。6.根据权利要求2所述的一种凝聚聚类无监督算法的流体类型识别方法，其特征在于，
步骤c，重新整理目标数据，该目标数据由孔隙度、渗透率、孔隙体积、岩石密度、混合密度、地层水矿化度、单位孔隙体积岩石氯化盐含量、含水饱和度组成。7.根据权利要求1所述的一种凝聚聚类无监督算法的流体类型识别方法，其特征在于，步骤f中，对新的数据进行预处理采用选择方差平均值归一化。

技术总结
本发明提供一种凝聚聚类无监督算法的流体类型识别方法，包括：获取储层中目标井所在区域的目标参数；计算单位孔隙体积岩石氯化盐含量阈值和含水饱和度；重新整理目标数据；判断单位孔隙体积岩石氯化盐含量是否大于单位孔隙体积岩石氯化盐含量阈值，或者含水饱和度是否大于含水饱和度阈值；若大于等于，则判断该样本点所对应的储层目标井所在区域为水层；若小于，则不为水层，则剔除水层的数据点，选取剩下的样本点作为新的数据进行预处理，加载到凝聚聚类模型进行训练并且预测；通过地质工作者的经验和专家知识分析一类数据样本点，将输出结果的伪标签转换成真实标签输出流体分类真实结果。本发明提高了流体识别效率，减少投入成本。入成本。入成本。


技术研发人员：丁熊 马铭阳 何鑫洋 杨曦冉 张洋洋
受保护的技术使用者：西南石油大学
技术研发日：2021.08.31
技术公布日：2021/11/23