自动匹配群体新成员与类似成员的系统、方法及程序产品的制作方法
【技术领域】
[0001] 本发明涉及对烃储集层进行评价，并且更具体地，涉及自动选择已知的类似储集 层对新识别的烃储集层进行评价。
【背景技术】
[0002] 每个新烃储集层具有基于未知属性的固有总价值。具体地，固有价值取决于最终 可从储集层采收的材料总量（生产潜力），以及采收该材料的成本或获取难度。这些未知的 属性仍然未知，并且仅可以估计固有价值，直到实际采收材料为止。先前，为了估计价值，一 个或多个专家首先识别和选择与新储集层具有某些相似方面的现有储集层，其被称为"类 似储集层"。专家（们）使用所选择的类似储集层来估计新储集层的价值。如错过被低估 的储集层而开采被高估的储集层中的错误评价会导致资源浪费。因此，为了使误差最小化， 已有的趋势是不再依赖于主观的专家判断来主观地选择类似储集层，而是趋向于更客观的 选择方法。例如，在对新烃储集层进行评价中已经使用了相似度函数。
[0003] 现今，在本领域中已经发现了相似度函数的很多用途：用于对对象集合或群体中 的成员进行比较，并且选择那些尽管它们不相同但是可以被识别为相似的对象。确定相似 度函数参数的现有技术方法的典型情况是应用专家知识和/或局部搜索方法，如梯度下降 算法和遗传算法。通常，在无需达到最相似匹配的情况下，这些方法的共同问题是继续依赖 于主观判断。
[0004] 现有技术方法的典型情况是使用储集层数据库中收集的可用储集层信息和相似 度函数来自动识别和选择类似储集层。然而，专家（或专家们）仍然选择相似度函数中使 用的精确的属性和权重来将目标（新）储集层的任何已知属性与已知储集层的属性进行比 较。例如，以下提供了人工指定的（例如由专家指定权重和/或属性）选择类似储集层的 相似度函数来估计价值的示例：公布的由Rowan发明的第2011/0118983号美国专利申请 "SystemandMethodforReservoirAnalysisBackground"；以及 2002 年由Bhushan等 人发表的"ANovelApproachtoIdentifyReservoirAnalogues"，壳牌国际勘探和生产。
[0005] 专家有望选择最佳属性和权重来识别具有与目标储集层最相似的属性的储集层 作为类似物。虽然这已经自动识别到最终选择，但是因为专家仍然选择属性和权重，所以该 最终选择仍然有些主观。因而，选择最佳属性和权重仍然是主观的，并且使选择类似储集层 成为困难且易出错的任务。
[0006] 因此，需要相似度函数的改进的应用，以将一个对象与来自相似对象的群体的其 它类似对象进行比较；并且更具体地，对用于选择现有烃储集层作为类似物的相似度函数 进行自动加权，来对新储集层进行评价。
【发明内容】
[0007] 本发明的特征在于自动选择权重集合和相似度函数，以用于将新群体成员与现有 群体成员进行配对；
[0008] 本发明的另一特征在于对储集层特征进行自动加权，以用于选择针对新发现的储 集层的类似储集层；
[0009] 本发明的又一特征在于自动选择最佳的权重集合，以对用于每个新发现的储集层 的储集层特征进行自动加权，以用于选择已知储集层的最佳子集作为类似储集层来对每个 新发现的储集层进行评价或估价。
[0010] 本发明涉及群体比较系统、群体比较方法及其计算机程序产品。将如烃储集层的 群体成员、特征和类似成员的存储列表划分成针对每个成员的列表。加权系统自动使用这 些分区来确定群体成员特征的权重集合（W*)和相似度函数。加权系统可以包括客观模型， 该客观模型迭代地、摸索地识别每个群体成员的类似成员，直到所识别的类似成员与所列 出的类似成员相匹配为止。类似成员选择器使用权重集合（w*)和相似度函数来自动选择 针对每个新群体成员的类似的列出的成员。
[0011] 一种实施方式是群体比较法，其包括：列出群体的成员、每个群体成员的特征以及 一个或多个类似群体成员；对每个成员的特征进行加权，并且将每个成员的特征与每个其 它成员的特征进行比较，以识别具有最接近的加权特征的成员；针对所述每个成员确定所 识别的成员是否与列出的类似群体成员相匹配；返回至对特征进行加权和比较，直到所有 识别的成员与列出的类似群体成员相匹配为止；并且当所有成员都匹配时，提供类似成员 的当前权重集合（W*)和相似度函数；接收包括每个相应的新群体成员的特征的新群体成 员描述；以及响应于所述当前权重集合（《*)和所述相似度函数，选择列出的群体成员的子 集作为每个新群体成员的类似成员。
[0012] 在该实施方式中，加权和比较包括：将所述群体（I)划分成针对每个成员（i，其中 ieI) -个分区，其中，在实施方式中I是储集层的集合，每个分区包括两个较小的群体或 子组。一个子组包括相应的成员，而另一子组包括除去相应的成员之后剩余的所有其它成 员。群体成员是具有属性（Pep)的储集层，每个属性具有已知值（\并且加权和比较 包括：将目标属性（n)的所述已知值与所述目标属性的属性值估计（VieR:各个ieI属 性nep的估计）进行比较，以得出属性权重（Wpe[0，i])。根据实施方式，p是储集层的 属性集合。然后，下标i和上标P分别是所述集合I和P的单独元素。比较包括：应用使比较
差值最小化的客观模型，所述客观模型具有形式 群体比较方法 i 还可以包括将以下输入到所述客观模型：
各个iGI的属性pGP的（已知） 值；以及
储集层ieI与储集层jeI之间的根据属性Pep的距离；并且其 中，储集层之间被分隔开距离R:ieI并且jeI;并且每个储集层具有在邻域阈值内 的K个邻近储集层，heR:ieI。此外，所述客观模型受制于属性估计约束、邻近距离约束、
权重约束和邻近成员约束；其中，属性估计约束具有形式 .邻 9 近距离约束具有形式：
Kti+a-yj并且扎>ti+yij;权重约
束具有形式 以及邻近成员约束具有形式jel\{i}yij=K;其中，v.pj _ W it \mm 且ViGI。可以通过以下操作来选择子集：将确定的所述权重（W*)应用于新群体成员特 征；自动选择满足阈值的列出的成员作为所述子集的成员；以及根据所述子集确定新群体 成员的值。阈值可以为预选的数量，所述子集为所述预选的数量的列出的成员，其具有最接 近于所述新群体成员的加权属性。
[0013] 另一实施方式是储集层评价方法，其包括：存储已知储集层的储集层数据库、每个 已知储集层的特征以及所述每个已知储集层的类似的所述已知储集层；自动确定已知储集 层特征的权重（《*)和相似度函数，包括：对所述每个已知储集层的特征进行加权，将所述 每个已知储集层与每个其它储集层进行比较，以识别具有最接近的加权特征的储集层，以 确定所识别的储集层是否与所述每个已知储集层的列出的所述类似的已知储集层匹配，返 回至对特征进行加权，直到所有识别的储集层与列出的所述类似的已知储集层匹配为止， 并且当所有储集层都匹配时，提供类似成员的当前权重集合（W*)和相似度函数；接收包括 每个相应的所述新储集层的特征的新储集层描述；将确定的所述权重（《*)应用于所述新 储集层特征；自动选择满足阈值的已知储集层的子集；以及根据所述子集来确定所述新储 集层的值。
[0014] 在该实施方式中，自动确定权重进一步包括：将所述已知储集层（I)划分成多个 分区，针对每个已知储集层（i，其中ieI) -个分区，每个分区包括两个较小的储集层群 体或子组。一个储集层子组包括相应的已知储集层（i)，而另一储集层子组包括除去相应 的已知储集层之后剩余的所有其它已知储集层。储集层可以是具有属性（Pep)的烃储集 层，每个属性具有已知值（0f\并且比较所述已知储集层包括：应用客观模型，所述客观 模型将目标属性（n)的所述已知值与所述目标属性的属性值估计（Vier:各个ieI属 性nep的估计）进行比较，以得出属性权重（Wpe[0，i])。应用所述客观模型使比较
差值最小化，并且所述客观模型具有形式 .以及其中，所述客观 9 模型的输入包括：
.各个ieI的属性pep的（已知）值；以及
储集层ieI与储集层jeI之间的根据属性pep的距离。烃储集层之间被分隔开距 离R:ieI并且jeI;每个所述烃储集层具有在邻域阈值内的K个邻近储集层， R:ieI;以及所述客观模型的优化受制于属性估计约束、邻近距离约束、权重约束 以及邻近成员约束。属性估计约束具有形式
.邻近距离约束 具有形式：
，dij彡ti+a-yj且dij彡ti+yy权重约束具有形式：
;邻近成员约束具有形式jel\{i}yij=K;其中，v|e|且，e1;以及所 述阈值是预选的数量，所述成员选择单元选择所述预选的数量的已知储集层，其具有最接 近于所述新储集层的加权属性。
[0015] 另一实施方式是用于比较群体成员的计算机程序产品，所述计算机程序产品包括 其上存储有计算机可读程序代码的计算机可用介质，所述计算机可读