已知钻井信息确 定的，是已知目标层段含油气情况的地震属性数据，用来验证本发明对油气预测的正确性。
4. 根据权利要求1的方法，特点是步骤1)中的待分类样本数据是没有钻井地方，不知 道分类情况的地震属性数据，用于本发明进行油气预测的数据。
5. 根据权利要求1的方法，特点是步骤2)所述的计算训练样本数据的平均值是：
其中train_num为训练样本数据的总个数，trair^j表示训练样本数据，dim为训练样 本数据的维数，即地震属性个数。
6. 根据权利要求1的方法，特点是步骤2)中的训练样本数据标准化是：
，其中为标准化后的测试样本数据，trair^为训练样本数据。
7. 根据权利要求1的方法，特点是步骤2)中的测试样本数据标准化是： ，其中为标准化后的测试样本数据，test。为测试样本数据。
8. 根据权利要求1的方法，特点是步骤2)中的待分类样本数据标准化是： .S胃/;/<,=似/?/火,/av，g,，其中.S胃/^,,为标准化的待分类样本数据，sampleij为待分类样本 数据。
9.根据权利要求1的方法，特点是步骤3)所述的构建分类器过程是： (1) 对权值weight排序，得到当前弱分类器需要迭代样本； (2) 定义聚类堆数P=I+knumber-l，使用k-均值算法计算堆数P的初始聚类中心m; 其中：P为聚类堆数，I为已知训练样本数据的实际分类数，knumber为当前的弱分类器 个数；所述的实际分类数I是根据实际储层情况确定：若储层含油、气、水，则实例分类数 为3,类别1代表油，类别2代表气，类别3代表水。 (3) 使用属性均值聚类求取各个聚堆类中心m; 首先初始化以下变量： 迭代次数time=0,初始化
，计算初始目标函数PO，m):
其中：xn为已知标准化后的训练样本数据；n为某个标准化后训练样本，N为训练样本 总数，P为聚类堆数，P为某个类中心，Unp为第n个样本属于第p类的属性测度；mp为第p 类的类中心；2为求和公式；| | | |表示2-范数；P为指数型稳态函数； 用属性均值聚类求取各个堆类中心m的迭代过程如下： ① 迭代次数time增加一次 ② 类中心 的迭代<+1>
其中i为前一次的迭代次数，为time-1 ;i+l为当前的迭代次数，为time, 是当迭 代次数为i的第P类的类中心；〃<+1)是当迭代次数为i+1的第P类的类中心；乂;*是当迭 代次数为i的第n个样本属于第p类的属性测度；xn为已知标准化后的训练样本数据；n表 示某个标准化后训练样本，可从1到N;N为训练样本总数；p表示某个类中心，可从1到P; P为聚类堆数；2为求和公式；| | | |表示2-范数； ③ 属性测度w的迭代
其中i为前一次的迭代次数，为time-1 ;i+l为当前的迭代次数，为time; 是当迭 代次数为i的第n个样本属于第p类的属性测度；是当迭代次数为i+1的第n个样本 属于第P类的属性测度；〃是当迭代次数为i的第P类的类中心；叫/+1)是当迭代次数为 i+1的第P类的类中心；xn为已知标准化后的训练样本数据；n表示某个标准化后训练样本；N为训练样本总数；p表示某个类中心；P为聚类堆数；2为求和公式；| | | |表示2-范数； (r1表示求倒数； ④ 重新计算目标函数P
其中i+1为当前的迭代次数time;P(ii(i+1)，m(i+1))是当迭代次数为i+1的目标函数； 是当迭代次数为i+1的第n个样本属于第p类的属性测度；是当迭代次数为i+1 的第P类的类中心；xn为已知标准化后的训练样本数据；n表示某个标准化后训练样本；N为训练样本总数；P表示某个类中心；P为聚类堆数；P为指数型稳态函数，2为求和公式； III表示2_范数； ⑤ 计算标准化后训练样本的分类正确率r:r=正确分类个数/N,N为训练样本总数； ⑥ 属性聚类迭代过程，若两次目标函数之差大于1乘以10的-9次方，或迭代次数time 小于100,或标准化后训练样本正确分类率r小于99%,则重复①-⑥； (4) 求取此弱分类器个数下的组合分类器系数a=l〇g(i7(l-r)) (5) 调整权值weight; 若标准化后训练样本分类正确，则减小权值=胃妙 若标准化后训练样本分类错误，则增大权值胃每/?々.__ = (6) 弱分类器knumber个数增加1个，重复步骤（1)- (6)，直到knumber大于最大组合 分类器K或正确分类率r达到99%，完成分类器的构建。
10. 根据权利要求9的方法，特点是所述的弱分类器最大个数为K，初始所有标准化后 训练样本数据的权值weight为1。
11. 根据权利要求9的方法，特点是所述的弱分类器最大个数K为10-15。
12. 根据权利要求9的方法，特点是所述的实际分类数I是根据实际储层情况确定。
13. 根据权利要求1的方法，特点是步骤6)所述的预测储层的油气分布是：根据实际 分类数及类别，将标准化后的待分类样本归为某一类别，则归为类别1的预测为油，归为类 别2的预测为气，归为类别3的预测为水。
【专利摘要】本发明是石油地球物理勘探地震储层预测方法。根据已知储层确定训练样本，计算平均值并标准化，训练构建分类器得到在不同弱分类器个数下的各个堆类中心，各个堆类所属的类别及组合分类器系数，对标准化后的每个标准化后的待分类样本数据进行分类，根据标准化后待分类样本所属类别预测储层的油气分布。本发明可以较好地应用基于属性聚类算法进行储层油气预测。
【IPC分类】G01V1-30
【公开号】CN104570109
【申请号】CN201310520862
【发明人】熊伟, 詹仕凡, 万忠宏, 陈茂山, 李磊, 幸华刚, 赵佳瑜
【申请人】中国石油天然气集团公司, 中国石油集团东方地球物理勘探有限责任公司
【公开日】2015年4月29日
【申请日】2013年10月29日