采用改进的FCM聚类算法进行储层优势通道分级

井间示踪剂技术被认为是目前识别优势通道最直接、最准确的方法之一,但在稠油油藏中,示踪剂产出曲线多呈抛物线型单峰形状,曲线之间差别小,优势通道发育级别难以判断;同时因为模糊C均值(Fuzzy C-means,FCM)聚类算法需要事先指定聚类数目,使得其对示踪剂曲线分类问题适应性较差。针对上述问题,本文提出了改进的FCM聚类算法,解决了单峰型示踪剂曲线难以分类的问题。首先,通过引进决策图来确定聚类数,避免FCM算法在选取聚类数时的盲目性;然后,选取见剂速度、峰值浓度、回采率等示踪剂浓度曲线的特征参数,对见剂井进行聚类,确定优势通道发育级别和主控因素;最后,利用洛伦兹系数和现场泡沫驱应用效果,验证分级的合理性。研究结果表明:目标油田发育三级优势通道,一级优势通道属于均质~相对均质储层,其见剂速度小于1.65 m/d,高渗层渗透率小于3259 mD,同时回采率小于0.13%,地层系数小于1341 mD·m;二级优势通道属于相对均质~非均质储层,见剂速度在1.65~2.17 m/d,渗透率3259~8383 mD;同时回采率在0.13%~0.21%,地层系数介于1341~3194 mD·m;三级优势通道属于非均质~严重非均质储层,见剂速度大于2.17 m/d,高渗层渗透率大于8383 mD,回采率大于0.21%,地层系数大于3194 mD·m。现场实践表明:优势通道越发育,泡沫驱治理效果越好。该分类结果对现场调剖堵水具有指导意义。

基于小波去噪和改进的FCM算法的基因表达数据分析

模糊c均值算法是一种局部搜索迭代法,易陷入局部最小解,而且算法未考虑样本对聚类的贡献程度。针对传统的模糊c均值(FCM)算法的不足和基因表达数据高噪声的特点,提出了一种基于小波变换和改进的FCM聚类模型,最后将该模型应用于白血病基因数据分析。根据Xie-Beni指数,在没有先验知识的条件下,确定了最佳聚类个数。为了体现文中提到的算法对样本聚类的准确性,本文分别采用传统的FCM聚类算法和分层聚类的方法在同样的试验条件下进行试验。样本聚类的结果表明:该方法能得到高准确度的样本分型结果。