多地质因素的勘探目标优选_人工神经网络法与多元回归分析法比较研究_石广仁

211 计算公式的建立
通过对这些地质要素的综合分析 ,地质家比较有把握地给出了这 30 个圈闭中前 27 个圈闭的勘探价值 (1
为高 ,2 为低) 。利用这 27 个圈闭的资料 (表 1) ,采用多元回归分析法求出勘探价值 ( y) 与 14 个地质要素 ( x 1 , x 2 , …, x 14) 的关系式为
关键词 :勘探目标 ;优选 ;人工神经网络 ;多元回归分析 ;库车坳陷 ;应用效果 中图分类号 : TE11213 文献标识码 : A
20 世纪 80 年代后期世界各大石油公司逐渐建立起较为统一的油气勘探目标评价系统 ,这一系统的建立 对各石油公司提高勘探效益起到了积极的作用 。西方一般将勘探目标划分为盆地 、成藏组合 (play) 和远景圈 闭 (prospect) 三级 ;而国内则通常划分为盆地 、区带 (二级构造带) 、圈闭三级 。由于盆地目标的评价通常采用盆 地模拟技术 ,因而目标评价一般特指区带Ο圈闭评价[1 ,2 ] 。各大石油公司拥有自己的一套目标评价系统 ,故国 际上无其商品软件 。限于篇幅 ,本文只讨论人工神经网络和多元回归分析联合应用的新方法 。
111 多元回归分析法[5 ]
欲求的表达式是 x j ( j = 1 ,2 , …, m ) 的线性组合再加上一个常数项 ,即
G ( x ) = b0 + b1 x 1 + b2 x 2 + … + bm x m
(2)
其中 n > m 。
所以 ,通过多元回归分析法求出的公式是如下的“显示”表达式
y = b0 + b1 x 1 + b2 x 2 + … + bm x m
1 新评价方法的基本原理
从优选出有利含油气区带进行圈闭评价准备开始 ,到钻预探井发现商业性油气流并计算储量 ,这样的勘探 阶段就是圈闭评价阶段 。一般来说 ,圈闭评价系统是由圈闭参数描述 、圈闭评价和圈闭数据管理三部分组成 。 在圈闭的地质评价中 ,应考虑生 、储 、盖 、圈 、保五大地质要素 ,可以采用风险概率分析法 、多元回归分析法 、模糊 数学法 、灰色综合评判法 、加权平均法 、专家系统法 、人工神经网络法等技术方法[1 ,5 ] 。在一定的数据条件下 , 人工神经网络法具有明显的优势 。
(11 中国石油勘探开发研究院 北京 100083 ; 21 中软网络技术股份有限公司 北京 100081)
摘要 :将人工神经网络法及多元回归分析法分别用于优选预测库车坳陷北带圈闭的勘探目标 ,结果发现人工神经 网络法远比多元回归分析法优越 。其根本原因是圈闭的优劣与其相关地质因素之间存在着一个复杂的非线性关 系 ,人工神经网络法所描述的多因素关系恰是非线性的 ,而多元回归分析法只能描述线性关系 。因此 ,当描述多个 地质因素的复杂关系时 ,应提倡采用人工神经网络法 。当然 ,多元回归分析法也具有人工神经网络所不具备的计 算速度快 、能较好地表达圈闭优劣与其相关地质因素之间亲疏关系的优点 ,可作为辅助应用 。
分析法及人工神经网络法进行了验证 。将这3个圈闭的14个地质要素值 ( 表1) ,分别代入式 ( 5) 和式 ( 6) ,就
圈闭
序号
1
2
3
4
5
6
7
8
9
10 学 11 习 样 12 品 13
(
已 14
知 15
)
样 品
16
17
18
19
20
21
22
23
24
25
26
27 预 28 测 样 29 品 30
2
0151 01780 01898
2
0151 01808 01798
2
0185 01865 01798
2
0185 01808 11000
1
0145 01913 01970
2
0145 01753 01970
2
0185 01955 01898
上述两种方法都有一个相同的工作过程 。第一步 ,利用 n 个已知样品求出计算公式 , 即式 (3) 或式 ( 4) ;第
二步 ,将 K 个预测样品代入式 (3) 或式 (4) ,得到预测值 y1 , y2 , …, y K 。
2 应用效果
在库车坳陷北带 Ο , (如表 1 所示) 有 30 个研究过的圈闭 ,圈闭评价的地质要素有 14 个 。
1
1
2
2362 300
58
1
2
115 3150 350
42
1
2
2
3650 350
12
1
2
2
2630 150
17
1
3
2
5950 750
135
1
2
2
3970 300
28
1
2
2
4680 300
27
1
1
2
1450 700
54
1
1
3
1450 1000
74
1
2
3
1200 750
23
1
1
2
1550 1780
34
1
品有 m 个地质量 ( x 1 , x 2 , …, x m ) 的成组观察值 ( x 1 k , x 2 k , …, x mk) ,其中 k = 1 , 2 , …, K 。将这 K 个样品的观
察值分别代入表达式 y ,就分别得到地质量 y 的预测值 yk ( k = 1 ,2 , …, K) 。
Ο库车前陆盆地演化与油气资源评价. 塔里木石油勘探开发指挥部 ,北京石油勘探开发科学研究院 ,1999.
第 5 期 石广仁等 :多地质因素的勘探目标优选
21
212 两种算法比较 对于上述 30 个圈闭的最后 3 个圈闭 ,地质家虽然给出了勘探价值 ,但把握性不够强 ,故分别采用多元回归
作者简介 :石广仁 ,男 ,1940 年 2 月生 ,1963 年毕业于西安交通大学 ,现为中国石油勘探开发研究院博士生导师 。
20
石 油 学 报 2002 年 第 23 卷
其中 i = 1 ,2 , …, n 。试求一个表达式 y = G ( x 1 , x 2 , …, x m ) ,使下式得到极
2
0145 01693 11000
2
0145 01753 11000
1
0145 11000 01868
1
0145 11000 11000
2
0175 01865 11000
1
0145 01888 01970
2
0151 01808 01882
2
0151 01828 01882
在库车坳陷北带 30 个圈闭目标勘探研究中 ,27 个圈闭的 14 个地质要素及综合评价结果均已知 ,另外 3 个圈闭的 14 个地质要素虽已知 ,但综合评价结果的把握性不够 。我们的任务是通过计算机模拟确定这 3 个圈 闭的综合评价结果 。模拟结果显示 :28 号圈闭的勘探价值较高 (最近已发现工业气流) ,29 、30 号圈闭的勘探价 值较低 (尚未发现工业气流) 。模拟结果又表明 ,采用人工神经网络法 ,不仅拟合误差为零 ,而且预测误差也为 零 ;而采用多元回归分析法 ,不仅拟合误差大 ,而且预测误差更大 。然而 ,多元回归分析法具有能表达圈闭优劣 与其相关地质因素之间亲疏关系的优点 。因此 ,对复杂的多元地质要素进行综合评价 ,应主要采用能表达非线 性关系的人工神经网络法 ,也须配以多元回归分析法作为辅助应用 。由于构造运动比较剧烈 ,库车坳陷北带的 地质条件要比南带更加复杂[3 ,4 ] 。所以 ,在如此复杂的地质条件下研究库车坳陷北带的圈闭评价具有挑战性 , 而采用人工神经网络与多元回归来评价圈闭质量则是一个新的尝试 。
(3)
式中 b0 , b1 , b2 , …, bm 可通过误差极小化原理求出 。
112 人工神经网络法[5 ]
所用的已知参数与多元回归分析法完全相同 。通过人工神经网络法求出的公式是如下的“隐含”表达式 :
y = A N N ( x 1 , x 2 , …, x m )
(4)
式中 A N N 是一个非线性函数 。这个函数不能用通常的数学公式表示 ,故称为“知识库”。
表 1 库车坳陷北带圈闭评价参数 Table 1 The parameters for trap evaluation at the Northern Kuqa Depression
x1
x2
x3
构造 圈闭
单元 类型 目的层
x4
x5
圈闭埋 圈闭幅
深 (m) 度 (m)
x6 圈闭面 积 ( km2)
假 设有 n个样品 , 每个样品含有 m + 1个地质量 ( x 1 , x 2 , …, x m , y) 的成组观察值 ( x 1 i , x 2 i , …, x mi , yi ) ,
基金项目 :中国石油天然气集团公司“九五”科技攻关项目“石油勘探开发应用软件系统集成及石油数据库系统”( G95Ο71Ο5M) 子课题部分 成果 。
采用了 B P 模型[5 ] ,输入层节点 14 个 ,输出层节点 1 个 ,隐层节点 29 个 ;输出层和隐层的网络学习率均为
016 ;迭代次数为 14000 。计算结果是一个隐含的非线性关系式 (即所谓的“知识库”) :
y = A N N ( x 1 , x 2 , …, x 14)
(6)
式 (6) 的网络全局误差为 0100135 。从表 1 可见 ,拟合误差为 0 。
2
0151 01975 11000
2
0151 01818 01898
2
0145 01895 01940