資源描述：
《基于成像測井技術(shù)的砂礫巖體識別方法_以東營北帶為例》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在行業(yè)資料-天天文庫。
1、基于成像測井圖像紋理特征的火成巖巖性識別胡剛張翔王智楊清長江大學(xué)油氣資源與勘探技術(shù)教育部重點實驗室摘要：在火成巖巖性識別過程中，常規(guī)測井資料主要反映不同巖性的成分特性，對巖石結(jié)構(gòu)的信息反映較弱，而成像測井資料能夠直觀的反映巖石結(jié)構(gòu)、構(gòu)造等特征。綜合二者的優(yōu)點，本文基于計算機(jī)圖形學(xué)算法[1]與支持向量機(jī)（SVM）分類器原理，提出了一種利用成像測井圖像紋理特征自動識別火成巖巖性的新方法。實踐表明，該方法與常規(guī)測井方法相比，識別率得到明顯提高，且識別結(jié)果與實際情況相符合。關(guān)鍵詞：成像測井；火成巖；紋理特征；巖
2、性識別表示矩陣第i行j列元素，它定義為點(m,n)的灰度值為i,點(k,l)的灰度值為j出現(xiàn)的頻率。其中兩點的關(guān)系如下：0引言在油氣開發(fā)過程中，與沉積作用有關(guān)的巖石一直被作為儲層研究的主要對象，沉積盆地中的火山巖卻沒有得到足夠的重視[2]。隨著世界對油氣資源的需求不斷增加，火山巖油氣藏的勘探和開發(fā)逐漸成為增加油氣儲量和提高油氣儲量的新亮點。巖性識別既是測井儲層評價的基礎(chǔ)，也是火山巖儲層研究中的一個重要環(huán)節(jié)。在對火成巖儲層進(jìn)行綜合評價研究過程中，巖性識別的準(zhǔn)確與否將直接影響儲層結(jié)果評價的可靠性。巖心薄片鑒
3、定是識別火成巖直接而有效的方法，但由于其成本太高，因此無法利用該方法對全井段的火成巖進(jìn)行識別[3]。測井資料中包含豐富的巖性信息，是巖性分析的基礎(chǔ)資料，利用測井資料進(jìn)行火成巖巖性識別是一種非常有效實用的方法。但是，由于火成巖的礦物成分，結(jié)構(gòu)、構(gòu)造十分復(fù)雜[2]，縱橫向變化快[4]，非均質(zhì)性強(qiáng)，僅用常規(guī)測井曲線和常規(guī)測井方法難以達(dá)到較好的效果，所以火成巖的識別難度很大。這也成為火成巖巖性研究工作中的難點和熱點。(k,l)=(m,n)+(d.cosθ,d.sinθ)（1）間隔d為歐式距離，與反映要描述的紋理
4、的頻譜有關(guān)，由于火山巖中凝灰結(jié)構(gòu)的紋理表現(xiàn)為微觀紋理特征，故d的取值為1，θ取四個方向00,450,900及1350的值。1.2灰度共生矩陣圖像紋理特征的提取一幅圖像的灰度共生矩陣反映了圖像灰度關(guān)于方向、相鄰間隔、變化幅度的綜合信息。它是分析圖像的局部模式和它們排列規(guī)則的基礎(chǔ)，從它出發(fā)可以進(jìn)一步提取描述圖像紋理的一系列特征。為表達(dá)簡明起見，在下面的共生矩陣表達(dá)中，略去間隔d和方向θ。由以上灰度共生矩陣提取了5個反映紋理特征統(tǒng)計量有能量、對比度、熵、相關(guān)性、方差及反差矩等。(1)能量（2）能量是灰度共生矩
5、陣各元素的平方和，也稱角二階矩。它反映了灰度圖像紋理變化的均勻程度和紋理的粗細(xì)度。紋理特征11.1灰度共生矩陣定義方向為θ，間隔為d的灰度共生矩陣為[P(i,j,d,θ)]，矩陣的維數(shù)等于圖像灰度級數(shù)，P(i,j,d,θ)(2)對比度（3）表1兩種不同特征參數(shù)的預(yù)測結(jié)果部的差異的大小,反映了圖像的清晰程度和紋理的溝紋深淺。(3)相關(guān)性（4）其中，μx,μy,σx,及σy是Px(i)的均值與方差與，Ng是圖圖1支持向量機(jī)方法示意圖像的灰度級。相關(guān)性用來度量空間灰度共生矩陣元素在行或列方向上的相似程度。其值
6、大小反映了圖像中局部灰度的相關(guān)性。采用有監(jiān)督和非監(jiān)督方式相結(jié)合選擇訓(xùn)練樣本。（2）特征參數(shù)歸一化通過選用10種成像測井紋理特征。為了避免各特征量綱差異對預(yù)測結(jié)果造成影響，對學(xué)習(xí)樣本的特征值進(jìn)行歸一化處理，將每一組特征歸一到[0,1]或[-1,1]中。（3）核函數(shù)和懲罰因子C的選擇(4)局部均勻性（5）局部平穩(wěn)性反映了紋理圖像的局部變化的強(qiáng)烈程度，能更好的反映紋理的一些細(xì)節(jié)特征。其值大則說明圖像紋理的不同區(qū)域間缺少變化，局部非常均勻。最常用的核函數(shù)有線性核，多項式核，高斯核。(5)熵一般情況下，選用高斯核
7、作為支持向量機(jī)方法的核函數(shù)。（6）熵是用反映了圖像紋理的隨機(jī)性，表示了圖像中紋理的非均勻程度或復(fù)雜程度。當(dāng)空間共生矩陣中所有值均相等時,它的值最大;當(dāng)共生矩陣中的值不均勻時,它的值就比較小。為了更全面的反映火山巖具有的紋理特性，除了計算靜態(tài)圖像的各紋理特征外，還提取了動態(tài)圖像對應(yīng)的各紋理特征。因此，總共提取10個紋理特征作為描述反映不同火山巖巖性結(jié)構(gòu)及構(gòu)造的特征。k(x,y)=exp[
8、
9、x-y
10、
11、]2d-（7）2σ2其中，d為多項式的階數(shù)，σ為高斯分布的寬度，C的取值為1000。實例分析為了更好的對該
12、方法的性能進(jìn)行評價，分別作了兩組實驗（A組和B組）對10口巖心井進(jìn)行預(yù)測。實驗結(jié)果如表1所示。3支持向量機(jī)的原理利用支持向量機(jī)方法進(jìn)行巖性識別的基本原理為：每個樣本（一個采樣點）具有一組特征向量（一組測井特征），同一種巖性類型的樣本在高維特征空間中聚集在一起，通過樣本集的訓(xùn)練，在高維特征空間中尋找各巖性之間的最優(yōu)分類面。確定未知的樣本的巖性類型，就是依據(jù)最優(yōu)分類面確定樣本的巖性類型，即樣本在高維特征空間的位置。該方法輸入的是各樣本的特征向量
