【技术实现步骤摘要】
本专利技术涉及石油勘探开采，具体涉及一种基于微生物dna测序诊断的产液剖面动态解释方法。
技术介绍
1、产液剖面测井技术是当前石油开实行业中最为重要而且关键的技术手段之一，会直接影响到采油的质量和效率。
2、产液剖面测井技术是生产测井过程的一项重要技术。目前国内外比较成熟的产液剖面测试技术有以下几种：
3、采用maps数组式测井仪和爬行器等仪器测试工具进行产液剖面测试，但存在入井困难，需停止生产、测试成本高的问题。
4、采用光纤温度压力测试方法，此方法存在难以长期监测、成本高、施工难度大及数据解释难度大的问题。
5、利用微量物质示踪剂进行产液剖面测试的方法，选用地层流体中含量极少的元素作为标记物，研究分析各层段产液情况，该方法简单方便，实用性强，但示踪剂的优选、测试工艺及数据解释方面还不完善，需要进一步研究攻关。
6、采用预置式产液剖面测试技术，该技术利用爬行器将井下仪器运送至测量井段，结合测试仪器达到产液剖面测试的目的。预置式对井斜无要求，且能准确反映储层产液情况，但作业时间长，生产投入大。
7、综上所述，现有的产液剖面测试技术存在测试中需要停止生产，作业步骤繁杂，耗时长，成本高，不能长时间连续监测等问题。
技术实现思路
1、本专利技术的目的在于提供一种基于微生物dna测序诊断的产液剖面动态解释方法，以解决现有的产液剖面测试技术在测试中需要停止生产，作业步骤繁杂，耗时长，成本高，不能长时间连续监测的问题。p>
2、为解决上述技术问题，本专利技术具体提供一种基于微生物dna测序诊断的产液剖面动态解释方法，包括以下步骤：
3、采集岩屑样品；
4、对岩屑样品进行处理，得到岩屑样品的dna序列；
5、基于岩屑样品的dna序列，得到能够显示不同深度地层所含有的菌种及其丰度的地层基线图；
6、采集产液样品，并对所述产业样品进行dna测序，得到产液所含菌种及菌种丰度；
7、基于产液的dna测序结果，通过聚类方法对产液进行溯源，以溯源产液来源于各地层的概率；
8、通过对不同阶段的产液进行取样、dna测序以及溯源，对油藏长期有效的动态监控。
9、作为本专利技术的一种优选方案，对产液进行溯源的方法为朴素贝叶斯分类法、随机森林分类法或bp神经网络分类法。
10、作为本专利技术的一种优选方案，使用朴素贝叶斯分类法对产液进行溯源，包括以下步骤：
11、以不同菌种及其丰度作为变量，生成一个能够区分不同地层的朴素贝叶斯分类器；
12、朴素贝叶斯分类器的每个岩屑样本测序结果数据以n维特征向量x＝{x1，x2，……，xn}表示，从而描述了n个样本特征菌种属性，各类别标号为c＝{c1，c2，……，cm}；
13、选取一组岩屑样本数据x，采用朴素贝叶斯分类法对岩屑样本x具有最大后验概率分类，将未知的样本分配给c类别；
14、当且仅当i≠j时，p(ci∣x)＞p(cj∣x)，只需计算出最大的p(ci∣x)，计算过程如下：
15、
16、式中，p(ci|x)表示在样本测序结果n维特征向量x发生的条件下，样本特征菌种属性ci发生的概率；p(x|ci)表示在样本特征菌种属性ci发生的条件下，样本测序结果n维特征向量x发生的概率；p(ci)表示每份样本特征菌种属性的先验概率；p(x)表示每份样本测序结果发生的先验概率；
17、假设各菌种之间不存在相互依存关系，最大化p(x|ci)p(ci)，则：
18、
19、其中，p(xk∣ci)表示在样本特征菌种属性ci发生的条件下，不同样本测序结果分别发生的概率，xk表示第k个事件发生的概率；
20、基于极大似然估算如下式计算：
21、
22、其中，|t(ci)|表示类ci中的训练样本数，|t|表示训练样本总数，|t(xk，ci)|表示在属性ak上具有值xk的类ci的训练样本数。
23、作为本专利技术的一种优选方案，使用随机森林分类法对产液进行溯源，包括以下步骤：
24、从原岩屑测序结果样本集中抽取训练集，每轮都会从样本集中抽出n个训练样本，采用bootstraping采样法进行采样，一共进行了k次样本的采集，从而获得了k个彼此独立的训练集；
25、每次使用一个训练集得到一个模型，k个训练集共得到k个模型；
26、将上步得到的k个模型采用投票的方式得到分类结果。
27、作为本专利技术的一种优选方案，使用bp神经网络法对产液进行溯源的方法如下：
28、输入层为地层基线的测序数据，隐含层为新聚类结果，输出层即为产液来源于各地层概率；
29、隐含层的输出量设为fj，输出层的输出量设为ok，系统的激励函数设为g，学习速率设为β，则其三个层之间有如下数学关系：
30、tk表示系统期望的输出量，e表示系统的误差，用实际输出值和期望目标值方差表示，关系表达式如下：
31、
32、其中，i＝1，2，……m；k＝1，2，……n；
33、fj表示bp神经网络的在第j个神经元的净输出量，ωij表示示隐含层之间的连接权系数，xi表示代表来自神经元i的输入，ok为定义的输出层的输出量，ωjk表示隐含层与输出层之间的连接权系数，aj和bk为阈值，e为定义的学习样本的误差，tk为定义的系统期望值，ek表示第k个样本的误差；
34、利用梯度下降原理得到系统权值和偏置的公式如下：
35、
36、ek＝tk-ok。
37、作为本专利技术的一种优选方案，通过比较各算法的准确率、精确度、召回率、f-measure、roc曲线、auc值，在朴素贝叶斯分类法、随机森林分类法和bp神经网络分类法中选出溯源精度最高的算法；
38、准确率表示产液实际来源该地层和产液预测来源该地层相同的样本总数占产液预测来源该地层的比例，表达式如下：
39、
40、其中，tp表示真正例,tn表示真反例，fp表示假正例，fn表示假反例；
41、精确度表示实际为1的样本数量占所有预测结果为1的样例数比例，表达式如下：
42、
43、召回率表示产液实际来源该地层和产液预测来源该地层相同的样本总数占实际来源该地层的比例，表达式如下：
44、
45、f-measure表示精确度和召回率的平衡关系，表达式如下：
46、
47、roc曲线为通过纵坐标真阳性率随横坐标假阳性率的变化趋势描述接收者操作特征曲线；roc曲线下方区域的面积可用来描述预测准确性，称为auc；roc曲线下面积数值越大，auc值则越大，表示预测准确率越高；同时，roc曲线横轴越小，纵轴越大，则表示预测准确率越高。
48、作为本专利技术的一种优本文档来自技高网...
【技术保护点】
1.一种基于微生物DNA测序诊断的产液剖面动态解释方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于微生物DNA测序诊断的产液剖面动态解释方法，其特征在于，
3.根据权利要求2所述的一种基于微生物DNA测序诊断的产液剖面动态解释方法，其特征在于，
4.根据权利要求2所述的一种基于微生物DNA测序诊断的产液剖面动态解释方法，其特征在于，
5.根据权利要求2所述的一种基于微生物DNA测序诊断的产液剖面动态解释方法，其特征在于，
6.根据权利要求2所述的一种基于微生物DNA测序诊断的产液剖面动态解释方法，其特征在于，
7.根据权利要求6所述的一种基于微生物DNA测序诊断的产液剖面动态解释方法，其特征在于，
8.根据权利要求7所述的一种基于微生物DNA测序诊断的产液剖面动态解释方法，其特征在于，
9.根据权利要求8所述的一种基于微生物DNA测序诊断的产液剖面动态解释方法，其特征在于，
10.根据权利要求1所述的一种基于微生物DNA测序诊断的产液剖面动态解释方法，其特
...【技术特征摘要】
1.一种基于微生物dna测序诊断的产液剖面动态解释方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于微生物dna测序诊断的产液剖面动态解释方法，其特征在于，
3.根据权利要求2所述的一种基于微生物dna测序诊断的产液剖面动态解释方法，其特征在于，
4.根据权利要求2所述的一种基于微生物dna测序诊断的产液剖面动态解释方法，其特征在于，
5.根据权利要求2所述的一种基于微生物dna测序诊断的产液剖面动态解释方法，其特征在于，
【专利技术属性】
技术研发人员：陈文滨，王硕亮，杨海彤，王硕桢，王俊强，孟令文，
申请(专利权)人：山东省中地易采石油技术有限责任公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。