測(cè)井相分析是通過自動(dòng)聚類方法對(duì)多維測(cè)井曲線進(jìn)行分析,進(jìn)而進(jìn)行相聚類與預(yù)測(cè)。基于圖的多分辨率聚類（MultiResolution Graph-based Clustering,MRGC）方法是一種常用的測(cè)井相分析方法,然而MRGC算法非常耗時(shí),并且在傳播過程中高度依賴初始參數(shù),實(shí)際應(yīng)用效益差。本文提出了一種自適應(yīng)多分辨率圖聚類（Adaptive Multi Resolution Graph based Clustering,AMRGC）分析方法。該方法不僅能提高測(cè)井相計(jì)算效率,而且能獲得穩(wěn)定的測(cè)井相傳播結(jié)果。本文方法的兩個(gè)核心算法是:1)輕核代表指數(shù)（L-KRI）算法只需計(jì)算少量"自由吸引"點(diǎn),有效提高了計(jì)算效率;2)采用了反向傳播算法（BP）與多層感知器（MLP）神經(jīng)網(wǎng)絡(luò),有效避免了傳統(tǒng)K近鄰算法因隨機(jī)初始化參數(shù)導(dǎo)致的不穩(wěn)定結(jié)果。實(shí)驗(yàn)結(jié)果表明,本文方法在聚類和傳播預(yù)測(cè)任務(wù)上優(yōu)于傳統(tǒng)的MRGC方法,具有更高的運(yùn)行效率和穩(wěn)定性;同時(shí),在沒有數(shù)據(jù)先驗(yàn)知識(shí)的條件下效果明顯優(yōu)于自組織映射（SOM）、動(dòng)態(tài)聚類（DYN）和自底向上的層次聚類（AHC）等其它常用聚類方法。 

【文章來源】：Applied Geophysics. 2020,17(01)SCICSCD

【文章頁數(shù)】：14 頁

【參考文獻(xiàn)】：
期刊論文
[1]基于圖論多分辨率聚類分析的測(cè)井巖相識(shí)別研究——以阿姆河盆地臺(tái)內(nèi)灘氣田為例（英文）[J]. 田雨,徐洪,張興陽,王紅軍,郭同翠,張良杰,龔幸林.  Applied Geophysics. 2016(04)
[2]古地貌對(duì)臺(tái)內(nèi)灘儲(chǔ)層分布及氣藏特征的控制作用——以阿姆河盆地臺(tái)內(nèi)灘氣田為例[J]. 田雨,張興陽,朱國維,張良杰,吳蕾,郭同翠,張宏偉,尉曉瑋.  天然氣地球科學(xué). 2016(02)



本文編號(hào)：3119509