本發(fā)明涉及一種巖性識別方法，尤其涉及一種基于布谷鳥搜索聚類分析的測井巖性識別方法，屬于測井資料中巖性識別。

背景技術(shù)：

1、巖性特征識別是認(rèn)識地層和儲(chǔ)層預(yù)測的基礎(chǔ)，準(zhǔn)確識別巖性對儲(chǔ)層劃分、油氣層劃分和油藏評價(jià)具有重要意義。與通過取芯和巖性掃描識別巖性的方法相比，利用測井資料識別巖性具有速度快、費(fèi)用低等特征，被廣泛使用。

2、目前，利用測井資料識別地層巖性的方法主要有：交會(huì)圖法（砂礫巖巖相測井識別方法研究，付建偉等；春風(fēng)油田沙灣組礫巖層特征及測井定量識別，侯慶杰等），即選擇兩條巖性敏感的測井曲線做交會(huì)圖，確定不同巖性的分界線，但是對于巖性復(fù)雜的地層，不同巖性點(diǎn)在交會(huì)圖上重合，難以區(qū)分，如：現(xiàn)有技術(shù)cn111458767a采用交匯圖法識別巖性；

3、基于機(jī)器學(xué)習(xí)的巖性識別方法（基于改進(jìn)多分類孿生支持向量機(jī)的測井巖性識別方法研究與應(yīng)用，蘇賦等；ga-bp神經(jīng)網(wǎng)絡(luò)模型在彬長礦區(qū)測井巖性識別中的應(yīng)用，劉明軍等；基于主成分分析和學(xué)習(xí)矢量化的神經(jīng)網(wǎng)絡(luò)巖性識別方法，胡紅等）主要是：通過選取不同典型巖性的測井?dāng)?shù)據(jù)，建立數(shù)據(jù)集，然后根據(jù)此訓(xùn)練集，訓(xùn)練模型，將訓(xùn)練好的模型用于巖性識別，此方法巖性識別結(jié)果迅速，但其準(zhǔn)確度依賴于訓(xùn)練集優(yōu)劣；

4、基于聚類分析的巖性識別方法（利用matlab聚類分析工具箱劃分碳酸鹽巖巖性，鐘亞軍等；基于模糊c均值聚類的巖性識別研究，李海燕等）主要是：對測井曲線進(jìn)行主成分分析，對保留的主成分?jǐn)?shù)據(jù)，通過聚類分析，將數(shù)據(jù)分為多個(gè)類，操作人員再賦予每種類實(shí)際的巖性，達(dá)到巖性識別的效果，該方法快速準(zhǔn)確，但是未考慮聚類算法本身的一些缺點(diǎn)，如聚類結(jié)果依賴初始聚類中心，且存在局部收斂的情況，如：現(xiàn)有技術(shù)cn109113729a基于測井曲線的巖性識別方法及裝置。

5、因此，需提出一種高效、準(zhǔn)確的識別巖性的方法，以適應(yīng)于測井評價(jià)的需求。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明旨在克服現(xiàn)有技術(shù)的不足，提供一種基于布谷鳥搜索聚類分析的測井巖性識別方法，便于快速、準(zhǔn)確、高效的識別研究區(qū)地層巖性，為測井評價(jià)提供有效的理論持續(xù)。

2、為了實(shí)現(xiàn)上述技術(shù)目的，提出如下的技術(shù)方案：

3、本技術(shù)方案第一目的提出：一種基于布谷鳥搜索聚類分析的測井巖性識別方法，包括如下步驟：

4、s1：測井曲線數(shù)據(jù)的選擇

5、選取工區(qū)中有測井、錄井和巖性資料的井，選擇井內(nèi)不同巖性對應(yīng)的標(biāo)準(zhǔn)層，然后，將對應(yīng)標(biāo)準(zhǔn)層中對巖性反應(yīng)敏感（巖性識別度高）的特征曲線作為實(shí)施數(shù)據(jù)（后續(xù)處理的數(shù)據(jù)），即得測井曲線數(shù)據(jù)；

6、其中，特征曲線包括：密度曲線、補(bǔ)償中子曲線、聲波曲線和自然伽馬曲線；

7、s2：測井曲線數(shù)據(jù)的標(biāo)準(zhǔn)化處理/歸一化處理

8、確定已有井?dāng)?shù)據(jù)中的標(biāo)準(zhǔn)井及標(biāo)準(zhǔn)層，采用峰值法對所選取工區(qū)所有井的測井曲線進(jìn)行校正，用離差標(biāo)準(zhǔn)化方法對經(jīng)步驟s1所得的數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理，即使得數(shù)據(jù)之間的數(shù)理單位保持一致；

9、s3：基于布谷鳥搜索聚類分析算法對經(jīng)步驟s2標(biāo)準(zhǔn)化處理后的數(shù)據(jù)進(jìn)行聚類分析，賦予各類別巖性，獲得巖性分界限，具體有：

10、a.?初始化聚類參數(shù)，包括：聚類中心的個(gè)數(shù)（k）、迭代次數(shù)、最小步長、最大步長、發(fā)現(xiàn)概率、萊維指數(shù)及聚類精度；

11、b.隨機(jī)初始化k個(gè)聚類中心；

12、c.?用如下公式（1）獲取各個(gè)點(diǎn)到聚類中心的距離；

13、（1）；

14、其中，為標(biāo)準(zhǔn)化處理后的數(shù)據(jù)，為聚類中心的位置，將各個(gè)標(biāo)準(zhǔn)化處理后的數(shù)據(jù)劃分到距離最近的聚類中心；

15、d.?按每個(gè)聚類的均值獲取劃分后的聚類中心，根據(jù)如下公式（2）計(jì)算每個(gè)聚類中心的適應(yīng)度；

16、（2）；

17、其中，為第個(gè)類中所有數(shù)據(jù)點(diǎn)到聚類中心的距離之和，為第個(gè)類中所有數(shù)據(jù)點(diǎn)的個(gè)數(shù)；

18、然后，保留當(dāng)前最優(yōu)聚類中心及其適應(yīng)度值，并根據(jù)如下公式（3）獲取當(dāng)前聚類結(jié)果的度量值；

19、（3）；

20、e.?保留上次迭代的最優(yōu)聚類中心，根據(jù)如下公式（4），獲取步長的控制量；

21、（4）；

22、其中，為最小步長，為最大步長，為迭代次數(shù)，為最大迭代次數(shù)；

23、再根據(jù)mantegna提出的如下公式（5），獲取更新步長，即對剩余的k-1個(gè)聚類中心進(jìn)行更新；

24、（5）；

25、其中，服從正太分布，服從正太分布，而，，，為穩(wěn)定參數(shù)；

26、f.?重新將剩余測井?dāng)?shù)據(jù)劃分到距離最近的聚類中心，按均值獲取新類的聚類中心，并獲取新的適應(yīng)度值和聚類結(jié)果度量值，將此度量值與上代結(jié)果對比：若本代聚類結(jié)果的度量值大于上代聚類結(jié)果的度量值，則更新聚類中心的組合；反之，不更新聚類中心組合；

27、g．當(dāng)?shù)螖?shù)等于最大迭代次數(shù)，或者度量值結(jié)果滿足精度要求，則結(jié)束；否則，對最優(yōu)聚類中心外的其他聚類中心，分別生成一個(gè)隨機(jī)數(shù)，并與發(fā)現(xiàn)概率進(jìn)行比較，若隨機(jī)數(shù)小于發(fā)現(xiàn)概率，則放棄該聚類中心，隨機(jī)生成新的聚類中心，然后重復(fù)步驟e-g；

28、h．限定測井?dāng)?shù)據(jù)所屬類別，根據(jù)測井曲線特征，給各個(gè)類別的測井?dāng)?shù)據(jù)賦予巖性，得到巖性分界限；

29、s4：將經(jīng)步驟s3所得的巖性分界限輸入至繪制軟件（如resform軟件、ciflog軟件或techlog軟件），進(jìn)行巖性識別。

30、本技術(shù)方案第二目的提出：一種基于布谷鳥搜索聚類分析的測井巖性識別系統(tǒng)，其特征在于，包括：

31、測井曲線數(shù)據(jù)選擇模塊，用于選取工區(qū)中有測井、錄井和巖性資料的井，選擇井內(nèi)不同巖性對應(yīng)的標(biāo)準(zhǔn)層，然后，將對應(yīng)標(biāo)準(zhǔn)層中對巖性反應(yīng)敏感的特征曲線作為實(shí)施數(shù)據(jù)，得測井曲線數(shù)據(jù)；

32、測井曲線數(shù)據(jù)標(biāo)準(zhǔn)化處理模塊，用于確定已有井?dāng)?shù)據(jù)中的標(biāo)準(zhǔn)井及標(biāo)準(zhǔn)層，采用峰值法對所選取工區(qū)所有井的測井曲線進(jìn)行校正，用離差標(biāo)準(zhǔn)化方法對經(jīng)測井曲線數(shù)據(jù)選擇模塊所得的數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理；

33、聚類分析模塊，基于布谷鳥搜索聚類分析算法，對經(jīng)測井曲線數(shù)據(jù)標(biāo)準(zhǔn)化處理模塊所得的標(biāo)準(zhǔn)化數(shù)據(jù)進(jìn)行聚類分析，賦予各類別巖性，獲得巖性分界限；

34、巖性判斷模塊：輸入經(jīng)聚類分析模塊所得的巖性分界限，完成巖性判斷的識別。

35、優(yōu)選的，在聚類分析模塊中，所述布谷鳥搜索聚類分析算法包括：

36、a.?初始化聚類參數(shù)，包括：聚類中心的個(gè)數(shù)（k）、迭代次數(shù)、最小步長、最大步長、發(fā)現(xiàn)概率、萊維指數(shù)及聚類精度；

37、b.?機(jī)初始化k個(gè)聚類中心；

38、c.?用如下公式（1）獲取各個(gè)點(diǎn)到聚類中心的距離；

39、（1）；

40、其中，為標(biāo)準(zhǔn)化處理后的數(shù)據(jù)，為聚類中心的位置，將各個(gè)標(biāo)準(zhǔn)化處理后的數(shù)據(jù)劃分到距離最近的聚類中心；

41、d.?按每個(gè)聚類的均值獲取劃分后的聚類中心，根據(jù)如下公式（2）計(jì)算每個(gè)聚類中心的適應(yīng)度；

42、（2）；

43、其中，為第個(gè)類中所有數(shù)據(jù)點(diǎn)到聚類中心的距離之和，為第個(gè)類中所有數(shù)據(jù)點(diǎn)的個(gè)數(shù)；

44、然后，保留當(dāng)前最優(yōu)聚類中心及其適應(yīng)度值，并根據(jù)如下公式（3）獲取當(dāng)前聚類結(jié)果的度量值；

45、（3）；

46、e.?保留上次迭代的最優(yōu)聚類中心，根據(jù)如下公式（4），獲取步長的控制量；

47、（4）；

48、其中，為最小步長，為最大步長，為迭代次數(shù)，為最大迭代次數(shù)；

49、再根據(jù)mantegna提出的如下公式（5），獲取更新步長，即對剩余的k-1個(gè)聚類中心進(jìn)行更新；

50、（5）；

51、其中，服從正太分布，服從正太分布，而，，為穩(wěn)定參數(shù)；

52、f.?重新將剩余測井?dāng)?shù)據(jù)劃分到距離最近的聚類中心，按均值獲取新類的聚類中心，并獲取新的適應(yīng)度值和聚類結(jié)果度量值，將此度量值與上代結(jié)果對比：若本代聚類結(jié)果的度量值大于上代聚類結(jié)果的度量值，則更新聚類中心的組合；反之，不更新聚類中心組合；

53、g．當(dāng)?shù)螖?shù)等于最大迭代次數(shù)，或者度量值結(jié)果滿足精度要求，則結(jié)束；否則，對最優(yōu)聚類中心外的其他聚類中心，分別生成一個(gè)隨機(jī)數(shù)，并與發(fā)現(xiàn)概率進(jìn)行比較，若隨機(jī)數(shù)小于發(fā)現(xiàn)概率，則放棄該聚類中心，隨機(jī)生成新的聚類中心，然后重復(fù)步驟e-g；

54、h．限定測井?dāng)?shù)據(jù)所屬類別，根據(jù)測井曲線特征，給各個(gè)類別的測井?dāng)?shù)據(jù)賦予巖性，得到巖性分界限。

55、本技術(shù)方案第三目的在于，提供：一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，所述存儲(chǔ)介質(zhì)上存儲(chǔ)有計(jì)算機(jī)程序，所述計(jì)算機(jī)程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)上述技術(shù)方案中任意一項(xiàng)所述方法的步驟。

56、本技術(shù)方案第四目的在于，提供：一種基于布谷鳥搜索聚類分析的測井巖性識別方法的信息數(shù)據(jù)處理終端。

57、采用本技術(shù)方案，帶來的有益技術(shù)效果為：

58、本發(fā)明選取多條對巖性反應(yīng)敏感的曲線，進(jìn)行聚類劃分，采用布谷鳥優(yōu)化聚類分析算法，可有效避免聚類結(jié)果局部收斂，結(jié)果依賴初值的問題。提高了聚類的精度，再根據(jù)巖性曲線特征，賦予各個(gè)類別巖性，并得出巖性分界線，所得出的巖性分界線準(zhǔn)確度高，再以此巖性分界線識別目標(biāo)井的巖性；

59、本發(fā)明可以組合多種方法來使巖性識別更加的準(zhǔn)確，如在測井曲線選擇階段，可以通過主成分分析，進(jìn)行降維，然后再使用此方法進(jìn)行聚類分析，最后賦予各個(gè)分類結(jié)果對應(yīng)的巖性；或先用此方法對巖性進(jìn)行初步分類，再用判別分析細(xì)分小類等；對于巖性復(fù)雜的地層，兩條或者三條測井曲線可能難以區(qū)分地層巖性，可以選擇多條測井曲線，進(jìn)行聚類分析，多條曲線可以更好的利用地層信息，使得巖性識別結(jié)果更好。