Содержание к диссертации
ИСПОЛЬЗУЕМЫЕ ОБОЗНАЧЕНИЯ И СОКРАЩЕНИЯ 5
ВВЕДЕНИЕ 6
1. АНАЛИЗ АЛГОРИТМОВ И ПРОГРАММ ДЛЯ АВТОМАТИЗАЦИИ
ИНТЕРПРЕТАЦИИ ГИС 14
1.1 .Геофизические исследования скважин 14
1.2.Интерпретация данных ГИС 16
І.З.Алгоритмьі интерпретации результатов ГИС 20
-
Методы классификации, основанные на петрофизических данных ..20
-
Метод нормализации 21
-
Статистические методы 22
-
Алгоритм с использованием комплексных кодов 25
-
Литологическоерасчленение с оценкой вероятности 27
1 АПрименение ЭВМ при обработке данных ГИС 28
-
Подходы к интерпретации в автоматизированных системах 29
-
Базы данных ГИС 31
1.5.Анализ возможностей нейросетевых технологий 34
1.6.Обзор программного обеспечения 39
-
Программы интерпретации 39
-
Нейросимуляторы 42
1.7.Выводы, постановка целей и задач исследований 47
2. РАЗРАБОТКА МЕТОДИКИ ПРИМЕНЕНИЯ ТЕОРИИ НС ДЛЯ
ИНТЕРПРЕТАЦИИ РЕЗУЛЬТАТОВ ГИС 49
2.1.Исходные данные и постановка задачи 49
2.2.Модель НС для литологического расчленения разреза 51
-
Основные понятия НС 57
-
Режим обучения НС 54
-
Динамическая настройка числа нейронов в скрытом слое 58
2.3.Формализация задачи 60
-
Варианты применения НС к интерпретации данных ГИС 61
-
Формализация условия 62
-
Формализация решения 64
2.4.Предварительная обработка данных 66
-
Нормирование и центрирование входных данных 66
-
Увязка кривых по глубине 66
-
Переход к равномерному масштабу по глубине 68
2.5.Оценка качества классификации 69
-
Оценка с помощью среднеквадратического отклонения 69
-
Оценка с помощью взаимной корреляции 70
2.6.Повышение надежности распознавания 70
-
Введение порога округления 71
-
Использование аппарата нечеткой логики 72
2.7.Полученные результаты и выводы 75
3. СОЗДАНИЕ АЛГОРИТМОВ И ПРИМЕНЕНИЕ ПРОГРАММНО-
ИНСТРУМЕНТАЛЬНЫХ СРЕДСТВ ДЛЯ КАЧЕСТВЕННОЙ
ИНТЕРПРЕТАЦИИ ДАННЫХ ГИС 77
3.1.Исходные данные 77
3.2.Условия проведения эксперимента 79
3.3.Используемые правила формализации условия и решения задачи 79
3.4.Обучение НС по группе методов 81
-
Применение правил формализации без окна данных 81
-
Применение правил формализации с окном данных 83
3.5.Обучение НС по каждому методу отдельно 89
-
Применение правил формализации без окна данных 89
-
Применение правил формализации с окном данных 96
З.б.Повышение качества интерпретации 103
-
Введение порога округления 103
-
Применение средств нечеткой логики 105
3.7.По лученные результаты и выводы 107
4. РАЗРАБОТКА ПРИНЦИПОВ ПОСТРОЕНИЯ ИНТЕЛЛЕКТУАЛЬНОЙ
СИСТЕМЫ ЭКСПРЕСС-ИНТЕРПРЕТАЦИИ ДАННЫХ ГИС НА
ОСНОВЕ НС 109
4.1.Основные мотивы разработки системы 109
4.2.Назначение ИС ПО
4.3.Состав ИС 111
4.4.Подсистема импорта/экспорта данных 113
-
База данных Carbon 114
-
Файлы 118
4.5.Подсистема обучения 119
4.б.Подсистема интерпретации 120
4.7.Пользовательского интерфейс ИС 121
4.8.Полученные результаты и выводы 122
ЗАКЛЮЧЕНИЕ 125
ЛИТЕРАТУРА 127
ПРИЛОЖЕНИЕ
ИСПОЛЬЗУЕМЫЕ ОБОЗНАЧЕНИЯ И СОКРАЩЕНИЯ
АСОРІГИС - автоматизированная система обработки и интерпретации ГИС
БД - база данных;
ГИС - геофизические исследования скважин;
ИС - интеллектуальная система;
КД - каротажные диаграммы;
НС - нейронная сеть;
ОС - операционная система;
СУБД - система управления базой данных;
ФН - формальный нейрон;
ЭВМ - электронная вычислительная машина;
ЭС - экспертная система.
ВК - боковой каротаж;
DS - диаметр скважины;
DT - акустический каротаж;
GR - гамма каротаж;
ІК - индукционный каротаж;
NGR - нейтрон-гамма каротаж;
PZ - метод потенциал зондов;
SP - метод самопроизвольной поляризации.
Введение к работе
Актуальность темы. В настоящее время преимущества применения компьютерной техники в геофизике ни у кого не вызывает сомнений. Она позволяет отойти от традиционных методов сбора и обработки информации, решать проблему переработки больших массивов информации, исключить субъективность интерпретации результатов исследований.
Существует большое количество программных средств и аппаратно-программных комплексов, позволяющих автоматизировать все процессы сбора, обработки и хранения данных ГИС. Но даже при современном многообразии различных программных средств, производящих интерпретацию ГИС, системы, использующие возможности искусственного интеллекта, немногочисленны по своей номенклатуре и обладают достаточно невысокими интеллектуальными способностями, что не позволяет использовать их в качестве основных решающих инструментов при вынесении заключения с высокой степенью достоверности о наличии нефтяных коллекторов в литологи-ческой структуре как скважин, так и геологических горизонтов. Развитие интеллектуальных компьютерных систем, разработка высоких информационных технологий, доведение их до уровня, соответствующего современным требованиям экспертных систем, является магистральным направлением в развитии скважинной геофизики.
Использование преимуществ искусственного интеллекта позволяет выйти на иной, более качественный уровень обработки результатов ГИС, поскольку он позволяет в значительной мере заменить геофизика-интерпретатора, занимающегося рутинной работой просмотра огромных массивов однотипной геолого-геофизической информации на автоматизированный программно-аппаратный комплекс, использующий сетевые технологии, Internet-технологии и инфотелекоммуникационные системы для принятия с высокой степенью достоверности решения о наличии нефтеносного коллектора при ГИС.
7 Одним из направлений развития систем искусственного интеллекта является использование в них аппарата искусственных нейонных сетей. Несмотря на простоту их построения и функционирования, они позволяют накапливать уже известные закономерности ГИС, обобщать факты и давать вполне корректные оценки в ситуациях, когда на входе НС представлены зашумленные данные. НС уже широко применяются за рубежом в различных системах распознавания образов, например, прогнозирования, управления и др. К сожалению, в нашей стране, пока это редкое явление.
В настоящее время создано множество программных продуктов, имитирующих работу НС. Но возможности их применения в геофизической области весьма ограничены. Это связано с тем, что данные программы не содержат в себе ни правил формализации исходных данных и заключений, применяемых для решения задач ГИС, ни специализированных НС, ни средств импорта/экспорта геофизических данных.
В связи с этим, применение НС для интерпретации данных ГИС позволит повысить надежность результатов интерпретации, сократить время, затрачиваемое на решение данной задачи. Поэтому решению данных актуальных задач и посвящена настоящая диссертация.
Объектом исследования является аппарат искусственных нейронных сетей, применяемый для обработки данных ГИС, а также методики и алгоритмы позволяющие повысить качество и надежность оценок НС.
Предметом исследования является многослойная нейронная сеть, программное и информационное обеспечение НС, математическое описание алгоритмов и методик обработки выхода НС для повышения надежности литологи-ческого расчленения разреза скважины, разработка ИС качественной интерпретации каротажного материала.
Цель работы - разработка и научное обоснование применения многослойной нейронной сети для решения задачи качественной интерпретации данных ГИС, внедрение которой имеет существенное значение в области обработки и экспресс-интерпретации геофизической информации непосредственно на
8 скважине.
Для достижения поставленной цели требуется решить следующие задачи: формализация задачи качественной интерпретации данных ГИС для ее решения с помощью аппарата НС; выбор и обоснование методик предварительной обработки каротажных данных; разработка правил и методик применения НС для решения задачи ли-тологического расчленения разреза скважины; выбор корректных оценок, позволяющих определять качество интерпретации с помощью НС; создание алгоритмов последующей обработки результатов работы НС для повышения качества и надежности интерпретации; представление структуры и алгоритмов функционирования интеллектуальной системы экспресс-интерпретации ГИС; кодирование отдельных модулей интеллектуальной системы качественной интерпретации.
Методы исследования. В работе применялись теоретические и экспериментальные методы исследования.
При решении задачи качественной интерпретации данных ГИС применялась многослойная нейронная сеть, обучаемая алгоритмом обратного распространения ошибки. В качестве функции активации сети использовалась функция гиперболического тангенса.
Каротажные кривые исследовались на предмет выделения в скважине пластов-коллекторов и пластов с различными видами насыщения. Исследования проводились как с группой каротажных методов, так и по каждому методу отдельно. Обработка исходных геофизических данных велась поточечно с тем же шагом дискретизации, что и оцифровка исходных данных, без предварительного расчленения разреза на пласты.
Программное обеспечение интеллектуальной системы реализовано на ал-
9 горитмическом языке высокого уровня - Borland Delphi 6, внутренняя база данных реализована в формате Microsoft Access {mdb).
Достоверность и обоснованность полученных в работе результатов и выводов подтверждена результатами функциональной диагностики и опытом практической эксплуатации интеллектуальной системы качественной интерпретации данных ГИС.
Математические модели, алгоритмы и прикладные программы, предложенные в работе, основаны на фундаментальных положениях функционального анализа, теории статистического анализа временных рядов, а также теории вероятностей и методологии построения экспертных систем.
Достоверность экспериментальных результатов обеспечена использованием большого объема экспериментального материала, статистическими методами обработки данных и хорошей воспроизводимостью результатов.
Достоверность эталонного материала для обучения НС обеспечена использованием утвержденных в ОАО «Башнефтегеофизика» экспертных заключений по обрабатываемым скважинам.
На защиту выносятся результаты исследования применения многослойной нейронной сети для качественной интерпретации данных ГИС, обеспечивающих возможность получения заключения по наличию нефтенасыщенных коллекторов непосредственно после проведения каротажных работ на скважине, в том числе: выбор и обоснование правил формализации задачи литологического расчленения разреза скважины с помощью многослойной НС; определение корректных оценок для анализа качества представляемо-сти задачи качественной интерпретации с помощью НС; разработка алгоритмов приведения вероятностных оценок пластов ли-тологических структур, определяемых сетью, к абсолютным, функционирующих на основе последующей обработки результатов работы НС; анализ влияния правил представления входных геофизических данных
10 и выходных заключений результатов интерпретации на качество обучения нейронной сети и, как следствие, на точность оценок, даваемых сетью распознаваемым литологическим пластам; достижение преимуществ применения специализированных алгоритмов обработки результатов работы сети для увеличения информативности сигнала, выдаваемого НС, и повышения надежности распознавания; разработка программно-инструментальных средств интеллектуальной системы качественной интерпретации данных ГИС; реализация разработанных алгоритмических средств и программного комплекса для практического использования для получения реальных результатов расчленения конкретных пластов различных скважин при экспресс-интерпретации результатов реальных ГИС.
Научная новизна полученных результатов определяется проведенными комплексными исследованиями, в результате которых, вопреки классическому подходу, основанному на решении системы петрофизических уравнений методами вычислительной математики, применен аппарат искусственных нейронных сетей, позволяющий использовать накопленный эмпирический материал и знания опытных интерпретаторов, являющийся ядром базы знаний интеллектуальной системы для литологического расчленения разреза скважины, в ходе которых: получены зависимости точности определения литологической структуры разреза скважины от вида представления каротажных данных, что дает возможность применять аппарат искусственных НС в геолого-геофизической области; предложена методика применения НС, не зависящий от количества входных каротажных диаграмм, позволяющий проводить качественную экспресс-интерпретацию даже в тех случаях, когда на скважине проведен неполный набор методов геофизических исследований и решающий проблему точной классификации типа пласта в случае противоречивости данных ГИС; разработаны алгоритмы повышения надежности распознавания лито-логической структуры скважины, являющиеся составной частью интеллектуальной системы и обеспечивающие возможность использования в качестве операторов-пользователей данной системы специалистов среднего уровня; разработана интеллектуальная система на основе НС, опирающаяся на проведенный вычислительный эксперимент, позволяющая проводить качественную экспресс-интерпретацию каротажных диаграмм, используя создаваемую базу знаний с учетом эмпирических данных высококлассных геофизиков-интерпретаторов, даже в процессе проведения ГИС; обеспечена возможность использования персонального компьютера типа IBM PC исполнения Notebook для решения подобных задач, а также предложены теоретические предпосылки для разработки специализированного аппаратно-программного комплекса на базе специализированных нейросетевых микросхем.
Практическая полезность. Полученные в работе методики и алгоритмы применения аппарата искусственных нейронных сетей для качественной экспресс-интерпретации данных ГИС позволяют существенно автоматизировать труд геофизика-интерпретатора за счет колоссальных вычислительных возможностей по обработке терабайт геофизической информации интеллектуальными системами на базе как отдельных компьютеров, так и компьютерных сетей, существенно использующих реляционные базы данных таких как «Finder» и др. НС, за счет заложенных в них эталонных данных, позволяют сократить время, необходимое на проведение качественной экспресс-интерпретации скважин в несколько раз с одновременным повышением качества интерпретации и сокращением ошибок при принятии решений.
Использование разработанной интеллектуальной системы позволило повысить эффективность ГИС за счет резкого расширения возможностей проведения экспресс-интерпретации во время проведения каротажных исследований с достаточно высокой степенью достоверности.
12 Реализация работы в производственных условиях.
Разработанная при непосредственном участии автора компьютеризированная интеллектуальная система качественной интерпретации данных ГИС, в том числе технические и методические средства, направленные на повышение точности ее функционирования и универсальности, внедрена в ОАО «Удмурт-геология».
Результаты работы могут быть использованы в практике работы предприятий, занимающихся геологоразведкой и оценкой запасов нефтяного фонда, геофизическими исследованиями регионов.
Работа выполнялась в Институте математического моделирования разработки нефтяных месторождений при ИжГТУ в соответствии с планами хоздоговорных НИР, проводимых ИжГТУ с ОАО «Удмуртгеология» и ОАО «Бел-камнефть».
Апробация работы. Отдельные законченные этапы работы обсуждались на Электронной заочной конференции «Молодые ученые - первые шаги третьего тысячелетия» (Ижевск, 2000), Международной научно-технической конференции «Информационные технологии в инновационных проектах» (Ижевск, 2001-2003), Научно-технических конференциях ИжГТУ (Ижевск, 2001-2003), конференции «Приборостроение в XXI веке. Интеграция науки, образования и производства» (Ижевск, 2001), Международной конференции «Молодежь, студенчество и наука XXI века» (Ижевск, 2001).
Публикации. Результаты работы отражены в 9 научных публикациях, в том числе: 6 статей в журналах и сборниках, 2 депонированные рукописи (объемом 33 и 16 страниц), 1 тезис докладов на научно-технической конференции.
Структура и объем работы. Диссертация содержит введение, 4 главы и заключение, изложенные на 139 с. машинописного текста. В работу включены 34 рис., 12 табл., список литературы из 103 наименований и приложение, в котором представлен акт об использовании результатов работы.
13 СОДЕРЖАНИЕ РАБОТЫ
Введение содержит обоснование актуальности темы, формулировку целей работы, основные положения, выносимые на защиту, и определяет содержание и методы выполнения работы.
В первой главе проанализированы существующие на данный момент методы сбора данных ГИС, алгоритмы интерпретации каротажных диаграмм в автоматизированных системах, применение баз данных в геофизической области. Исследованы возможности нейросетевых технологий в области качественной интерпретации ГИС, а также проведен обзор применимости основных топологий НС. Выполнен сопоставительный анализ программ автоматизированной интерпретации данных ГИС и программ-нейросимуляторов.
Во второй главе дано математическое описание каротажных диаграмм, заключений интерпретатора, описана связь между каротажными диаграммами и результатами интерпретации. Приведены алгоритмы функционирования и обучения многослойной НС и алгоритмы предварительной обработки данных ГИС. Описаны предлагаемые автором подходы к формализации задачи литологиче-ского расчленения разреза скважины и методики повышения надежности интерпретации. Предложены оценки качества распознавания литологических пластов с помощью НС.
Третья глава содержит описание экспериментальных исследований, проведенных на оцифрованном материале скважин Вятской площади, разработанные Арланским УГР ОАО «Баншенфтегеофизика». Данные получались с помощью выборок из специализированной базы данных каротажной информации «Carbon», созданной при непосредственном участии автора настоящей работы.
В четвертой главе описывается интеллектуальная система качественной интерпретации данных ГИС, разработанная в Институте математического моделирования разработки нефтяных месторождений ИжГТУ.
