CN119418769A 一种基于微生物dna测序诊断的产液剖面动态解释方法 （山东省中地易采石油技术有限责任公司）

一种基于微生物DNA测序诊断的产液剖面动本发明公开了石油勘探开采技术领域的一种基于微生物DNA测序诊断的产液剖面动态解释方法，通过对不同井型产液与岩屑取样和DNA测score，计算时间五个评价指标优选并改进随机21.一种基于微生物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2.根据权利要求1所述的一种基于微生物DNA测序3.根据权利要求2所述的一种基于微生物D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其中，plisle)-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i中的训练样本数，表示训练样本总4.根据权利要求2所述的一种基于微生物DNA测序诊断3将上步得到的k个模型采用投票的方式得到5.根据权利要求2所述的一种基于微生物D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;系表达式如下;值和偏置的公式如下-…-a。6.根据权利要求2所述的一种基于微生物DNA测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精确度和召回率的平衡关系，表达式如下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47.根据权利要求6所述的一种基于微生物D8.根据权利要求7所述的一种基于微生物DNA9.根据权利要求8所述的一种基于微生物DNA测在使用随机森林算法对产液菌种来源地层溯源时，计算特在每次迭代过程中重复循环上述过程，直至因素特征重要特征选择过程能够降低数据中不相关特征的影响，大幅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，其在对岩屑样品测序后，对岩屑样品测序结果数据标准化计算，的影响，计算式如下其中，为样品数5[0001]本发明涉及石油勘探开采技术领域，具体涉及一种基于微生物DNA测序诊断的产[0007]采用预置式产液剖面测试技术，该技术利用爬行器将井[0009]本发明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，[0010]为解决上述技术问题，本发明具体提供一种基于微生物DNA测序诊断的产液剖面[0013]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[0016]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6[0019]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7[0045]作为本发明的一种优选方案，通过比较各算法的准确率、精确度、召回率、F_[0046]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[0051]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8[0055]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[0056]作为本发明的一种优选方案，经过比较各算法的准确率、精确度、召回率、F_[0059]作为本发明的一种优选方案，在使用随机森林算法对产[0065]标准化公式的目的是将原始数据xif转换为一个介于0到1之间的值这种转换[0066]表示经过标准化处理后的值，它是原始数据点xif经过特定标准化方法转换后9[0073]本发明提供的基于微生物DNA测序诊断的产液剖面动态监控解释方法，通过对不[0094]基于得到的岩屑样品的DNA序列，得到能够显示不同深度地层所含有的菌种及其[0096]基于产液样品DNA测序结果对产液所含菌种进行溯源，以溯源产液来源于各地层[0098]通过对不同井型的岩屑取样和DNA测序，得到不同地层高分辨率特征的微生物地[0115]品质检测：通过紫外分光亮度计或者凝胶电泳等方法对提取的DNA进行质量和浓[0159]召回率(Recall)：表示分类器分类预测准确的样本数量占所有真实为1的样本数对于本数据集来说其意义表示为产液实际来源该地层和产液预测来源该地层相同的样本[0161]F_measure：表示精确度和召回率的平衡关系，即为精确度和召回率的调和平均意义在于对于产液实际和预测来源均为该地层的样本总数占预测来源该地层的比例高时，势必会导致实际和预测地层均为该地层的样本总数占实际来源于该地层的样本比例有所[0163]ROC曲线(receiveroperatingcharacteristiccurve)：通过纵坐标真阳性率[0165]将直井与水平井测序数据应用于产液剖面解释模型，比较各算法准确度评价指生素生物合成(ElectronCarrierandVitaminBiosy)和芳香化合物降解(AromaticCompoundDegradation)的相关系数为0.71，细胞结构生物合成(CellStructureBiosynthesis)和C1化合物的利用和同化(C1CompoundUtilizationandAssimilation)[0177]标准化公式的目的是将原始数据xif转换为一个介于0到1之间的值这种转换[0178]表示经过标准化处理后的值，它是原始数据点xif经过特定标准化方法转换后因子菌(Cofactor)，蛋白质辅助菌群(ProstheticGroup)，电子载体与维生素生物合成(ElectronCarrierandVitaminBiosy)和芳香化合物降解(AromaticCompoundDegradation)的相关系数为0.71，细胞结构生物合成(CellStructureBiosynthesis)和C1化合物的利用和同化(C1CompoundUtilizationandAssimilation)的相关系数为[0190]特征参数敏感性评估的目的是定量评判不同菌种特征的无量纲情况下的分类敏[0201]同类样本之间的紧密程度主要从两个距离考虑，第一个0；0；[0225]三个算法模型参数的敏感性对比如图9所示。随机森林模型参数敏感性以绿色柱[0226]现有技术中的主流微生物溯源方法包括基于贝叶斯算法的SourceTracker以及[0228]随机森林算法是一种组合新决策进行分类的适用于大部分样本数据集得机器学轨迹和运动轨迹的同步调整，从而实现微粒群在微粒群中的运动轨迹和运动轨迹的最优决在选择样本和特征值时容易出现的判定树[0235]特征选择过程可有效的降低数据中不相关特征的影响，[0239](2)将影响分类的28个菌种带入随机森林算法中计算特征重要性大小，将重要性[0240]根据上述评价指针即测试流程分别检验了改进前的传统随机森林分类模型的分[0244]通过随机森林法对地层基线进行聚类，并对5个月产液进行类别的预测实现产液