一种基于GA-FCM 的油井类型识别模型#
於世为，诸克军**
基金项目：教育部博士点基金项目( 20100145120008)
作者简介：於世为(1980-),男,湖北罗田人,博士,讲师;研究方向:资源管理工程;智能优化
通信联系人：诸克军(1953-),男,湖北松滋人,教授,博导.研究方向:管理系统工程. E-mail: zhukejun@cug.edu.cn
（中国地质大学(武汉) 经济管理学院，武汉 430074）
5 摘要：本文提出了一种基于GA-FCM 油井类型识别方法，该方法集成遗传算法与模糊C 均
值分类法，能根据井旁地震道属性与油井的含油气性（干井、低产井、高产井）关系来优化
地震属性，得到与油井类别关系最强的少数地震属性，进行油井类型识别，不但识别率高，
而且应用模糊隶属度，对识别结果具有较强的解释性。
关键词：遗传算法；模糊C-均值分类；地震属性优化；油井识别
10 中图分类号：F213. 2
An Oil Well Types Recognition Model Based on GA-FCM
YU Shiwei, ZHU Kejun
(School of Economics and Management, China University of Geosciences, Wuhan 430074)
15 Abstract: This paper proposed an oil wells type recognition method by integrated GA-FCM. the
method can optimize seismic attributes according to the relationship between seismic attributes of
common deep point(CDP) and oil wells type (dry wells, low-production wells, high-production
wells), and A very few seismic attributes which have the strongest relationship with wells type
can be got. Used to recognize types of wells, it’s not only the high recognition rate, but the
20 results of the identification has strong explanatory by using fuzzy membership function.
Key words: enetic algorithms; fuzzy c-mean clusters; seismic attributes optimization; oil well
recognition
0 引言
25 油气预测需要综合少数的测井信息和大范围地区的地震信息来预测整个地区储集层的
含油气状况。这是一个典型的有监督分类问题，其特殊性在于样本(井) 数量较少，并且地
震特征也不能完全体现油气聚集的情况。先前的研究主要侧重于两种方法，一种是模糊数学
的方法[1,2]，另一种是神经网络的方法，如BP 网络[3,4]，SOM 分类网络[5]或SVM 法[6]。模
糊数学的方法需要事先通过经验建立各种地震属性与含油气之间的模糊隶属函数，再根据这
30 些函数关系来预测油气聚集程度。神经网络的方法应用在油气预测领域同样也容易遇到一些
困难，例如如何确定神经网络的结构，如何选择训练参数来控制过学习情况等等。
本文提出了一种基于遗传（genetic algorithm, GA）—模糊C 均值分类(fuzzy C-means
clusters, FCM)的油井类型识别方法，它根据井旁道地震属性与井的含油气性（干井、低产井、
高产井）来优化按一定时窗提取的地震属性，得到与油井类别关系最强的少数地震属性，以
35 进行油气预测与识别，同时应用模糊隶属度，使得识别结果具有较强的解释性。
1 FCM 聚类算法
FCM 算法最早可以追溯到1973 年，在实际中应用最广泛是基本的FCM 算法，用下式
来描述：

- 2 -

2
1 1
min ( , ) k i
n
k
c
i
m
m ki J U V = ΣΣu x − v
= =
（1）
式中， n 是给定数据集的样本向量总数； c 为类别数； { } s
n X = x , x , , x ⊂ R 1 2 40
学术论文网Tag：