工程数字测井自动分层的人工智能技术
合集下载
相关主题
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
Λ A k 1j = e 1 ( x 0j - ak1j ) 2 2 Ρk 1 j
( i = 1, 2, …, n )
( 6)
这种运算适合主因素决定型 1 当某一地区 k 种测井物理参数在不同种类地层上 的采样结果多数有明显差异时, Λ A i (U 0 ) 由下式计算
k
( 10) ( 11)
Ξ
摘 要: 根据人工对测井资料分析的思维过程, 应用模糊数学理论及统计学参数, 建立了岩土
性质识别及界面划分的人工智能数学模型, 并研制了相应的软件, 实现了工程数字测井的自 动分层. 对离散的数字测井值, 通过测井物理参数对地层性质的隶属函数模型, 逐一识别, 然 后进行聚类处理; 对地层界面处由于邻层效应产生的模糊数据, 分别计算其对上下层岩性的 隶属度, 采用主因素决定型算法实现界面划分. 应用结果表明, 该方法简单、 快速且较准确 1 关键词: 工程; 数字测井; 分层; 人工智能 中图分类号: TU 413 文献标识码: A 文章编号: 049322137 ( 2001) 0520633203
岩性 石灰岩 泥岩 砂质泥岩 泥质砂岩
界面划分后层厚 m 平均隶属度
5. 8 1. 8 5. 5 2. 9 0. 517 504 0. 372 979 0. 464 986 0. 423 990
现将部分处理结果与钻井资料进行对比, 如表 41
表 4 处理结果与钻孔资料对比
Tab . 4 Com par ison between processing results and the results from well dr ill in g
JOU RNAL O F天津大学学报 TI AN J I N UN I V ER S IT Y V o l . 34 N o. 5 Sep. 2001
第 34 卷 第 5 期 2001 年 9 月
工程数字测井自动分层的人工智能技术
张献民, 王建华
( 天津大学建筑工程学院岩土工程研究所, 天津 300072)
U A ik ( x 0k ) ]
天津大学学报 2001 年 第 34 卷 第 5 期 算机自动识别处理 1
3. 2 地层界面划分
在不同地层交界面的一定范围内, 由于受邻层影 响, 采用上述方法逐点进行地层性质识别时, 必然会出 现不连续的地层性质 1 该范围内采样点构成了地层性 质的模糊区 1 因为同种地层性质之间采样结果的相关 系数必然大于不同地层性质间采样结果的相关系数, 故而采用如下方法进行界面划分 1 设相邻两层地层性质分别为第 k 1 和 k 2 个模糊模 式, 则对交界处的采样点作如下计算:
数的数学期望值可视为不变的 1 在测井值误差仅由随 机因素引起的情况下, 同种地层的同种测井值将服从 正态分布[ 1 ] 1 据此可建立各种地层的隶属函数 1 设工区内地层类型有 n 种, 所采用的测井物理参 数有 k 种, 那么, 第 j 种 ( j = 1, 2, …, k ) 测井物理参数 对第 i 种 ( i = 1, 2, …, n ) 地层的隶属函数为[ 2 ]
采样点范围 H m 岩性识别结果 聚类处理厚度 m
139 ～ 144. 8 14419～ 145. 0 145. 1 14512～ 146. 3 14614～ 146. 6
平均隶属度
01517 5 01030 7 01114 3 01373 7 01000 6
采样点范围 H m
14617～ 14919 15010～ 15011 15012～ 15211 15212～ 15410
2 918. 639 536. 527 558. 323 590. 120
3 地层界面的划分
3. 1 聚类分析
泥质砂岩
应用模糊识别方法, 对离散的采样结果逐点进行 识别, 然后进行聚类分析 1 即将离散点中连续一致的 地层性质识别结果归为一层 1 在连续一致的识别结果 中, 对因随机误差等造成的个别突变地层性质点, 用计
( 9)
视电阻率 R a
a ij
Ρij
9. 131 7. 570 4. 183 16. 429
Ρij
2 222. 769 14. 282 15. 597 13. 941
即待识别模糊向量U 0 应归属于式 ( 9) 中隶属度最大的 模糊模式 1
13. 901 118. 199 40. 240 95. 432
Ξ 收稿日期: 2000208229; 修回日期: 20002122141
∑
T= 1
1
N
N
∑
r= 1
x ij r -
T
a ij
(m Hale Waihona Puke Baidu 1)
( 4)
式中: i = 1, 2, …, n; j = 1, 2, …, k ; m 为一种地层统计 的层数; N 为第 j 种物理参数在第 i 种地层上离散采样 点数; x T ij r 为同种性质地层统计层中的第 T 层, 第 j 种 物理参数在第 i 种地层上离散采样数值的第 r 个数值 1
Λ A ij = e 1 ( x 0 j - a ij ) 2 2 Ρij
( 2)
式中: x 0 j 为待识别地层上的第 j 种物理参数的测井值;
a ij 与 Ρij 分别为第 i 种地层上的第 j 种测井物理参数的
均值和标准差, 且由下式给出 a ij = Ρij =
1
m
m
∑
T= 1 m
1
N
N
∑x
r= 1
T ij r
( 3)
2
1 地层性质模糊模式的建立
应用模糊模式识别理论进行工程测井地层性质 判别的关键在于建立各种地层的模糊模式, 亦即建立 各种地层的隶属函数 1 隶属函数的合理确定是成功地 进行地层性质判别的重要条件 1 其作用大致有三条: 一是把定性问题转变为定量问题; 二是从有量纲值转 化为无量纲值; 三是将 n 维空间转变为 [ 0, 1 ] 区间[ 3 ] 1 设论域 U 中有 n 种地层 A 1 , A 2 , …, A n , 每种地层 的性质又取决于 k 个测井物理参数 x 1 , x 2 , …, x k , 即 ( 1) A i = ( x i1 , x i2 , …, x ik ) ( i = 1, 2, …, n ) 通常, 在同一地区、 同一种地层的同一种物理参
2 地层性质模糊模式的识别
论域中的模糊集合 A 用隶属函数 Λ A 来定义 1 隶 属函数 Λ A 在实轴闭区间 [ 0, 1 ] 中取值 1K 种测井物理 参数的采样结果就构成了一个待识别的模糊向量为 ( 5) U 0 = ( x 01 , x 02 , …, x 0k )
作者简介: 张献民 (1959- ) , 男, 天津大学岩土工程研究所博士研究生, 河北工业大学教授 1
・634・ 将式 ( 5) 代入式 ( 2) , 计算出 U 0 对模糊模式 A i 的 隶属度 Λ A 1 (U 0 ) , Λ A 2 (U 0 ) , …, Λ A n (U 0 ) , 然后判定 U 0 应 归属那一种模糊模式 1 该问题即构成一个模糊识别问 题, 用以下方法判定 1 当某一地区 k 种测井物理参数在不同种类地层上 采样结果只有少数具明显差异时, 按模糊集合的交集 运算规则求出 Λ A i (U 0 ). Λ A i (U 0 ) = m in [U A i1 ( x 01 ) , U A i2 ( x 02 ) , …,
应用所研制的软件, 对实际数字测井资料进行了 处 理 1 测试时采样间隔为 10 cm , 考虑到篇幅, 这里不 在给出原始采样数据及逐点识别结果, 而只给出聚类 处理后的结果及界面划分后的结果 . 表 2 为逐点识别 后聚类处理的结果, 表 3 为界面划分后的结果 1
表 2 聚类处理结果 Tab . 2 Result of da ta processing of mak ing sam e property da ta together
Tab . 3 Result of determ in in g boundary
采样点范围 H 139. 0～ 144. 144. 9～ 146. 146. 7～ 152. 152. 2～ 154.
m 8 0 1 0
・635・
可见, 应用模糊模式自动分层结果与实际情况基本相 符 1 在厚度较小的岩层上, 相对误差较大; 而在厚度较 大的地层上, 相对误差较小 1 由于这种误差是邻层影 响造成的, 因此, 随着待识别厚度的加大, 地层厚度划 分结果的相对误差将会降低 1 当采样间隔较大时, 为 了提高计算精度, 可采用线性插值处理 1 应用结果表明, 该方法简单易行, 且具有较高的
岩性 泥质砂岩 砂质泥岩 石灰岩 泥岩 钻井资料
1612 216 618 116
识别结果厚度 m
1611 218 617 118
相对误差 %
016 711 115 1111
岩性 砂质泥岩 泥质砂岩 石灰岩
钻井资料厚度 m
518 310 1417
识别结果厚度 m
514 219 1513
相对误差 %
714 315 319
表 1 统计参数 a ij 和 Ρij
Tab . 1 Sta tistica l param eters a ij and Ρij
岩性 石灰岩 泥岩 砂质泥岩 自然伽马 GR
a ij
在进行权重分配时, 对不同地层上测量结果区分 比较明显的测井物理参数应适当加重 1 这种算法对所 有测井物理参数以权重大小均衡兼顾, 比较适用于要 求整体物理参数指标的情况 1 最后, 按照最大隶属原则, 有 Λ A i (U 0 ) = m ax [ Λ A 1 (U 0 ) , Λ A 2 (U 0 ) , …, Λ A n (U 0 ) ]
精度 1 只要输入待解释地区的系数 a ij , Ρij 及数字测井 采样数据, 应用本文研制的程序即可达到自动识别岩 性及划发岩性界面 1 参考文献:
[ 1 ] D enes Szenclro. A Sta tistica l m ethod fo r litho log ic in ter2
Λ A k 2j = e
1 ( x 0j - ak2j ) 2 2 Ρk 2 j
Λ A i (U 0 ) =
∑a Λ
j j= 1
A ij
( x 0 j ) ( i = 1, 2, …, n ) ( 7)
式中: j = 1, 2, …, k 1 按上述识别方法可得到 Λ A k1 与 Λ 将该采样点归属为 A k 2 , 依 据 最 大 隶 属 原 则,
近年来, 随着电子技术的发展, 数字测井技术在 工程中得到了广泛的应用, 如应用物理参数与水文地 质、 工程地质参数的响应方程, 可获得地层的含水饱和 度、 渗透率、 杨氏模量及剪切模量等参数 1 但所有这些 都离不开地层性质识别及地层界面划分这一最基本的 工程任务 1 工程测井的主要任务之一是岩土性质的划分, 用 数值分析等方法进行数据分析较为复杂, 难以实现实 时处理 1 本文根据人工分析测井资料的思维过程, 应 用模糊数学理论及统计学参数, 建立了测井物理参数 对地层性质的隶属函数, 并给出了简便的地层界面划 分方法, 应用 FO R TRAN 277 语言, 在微机上实现了人 工智能数字测井的快速自动分层 1
岩性识别结果 砂质泥岩 石灰岩 砂质泥岩 泥质砂岩
聚类处理厚度 m
313 012 210 219
平均隶属度
01355 0 01261 0 01637 1 01424 0
石灰岩 砂质泥岩 泥质砂岩 泥岩 泥质砂岩
518 012 011 112 013
天津大学学报 张献民等: 工程数字测井自动分层的人工智能技术 表 3 界面划分结果
m ax [ Λ A k1, Λ A k2 ]1
式中: a i 为第 i 种测井物理参数所对应的权. a i 满足
k
∑a i = 1
i= 1
( 8)
4 应用实例
应用上述方法, 对某地的工程数字测井数据进行 了处理 1 表 1 为该地区统计出来的 4 种岩性、 2 种测井 物理参数的系数 a ij 和 Ρij 1
( i = 1, 2, …, n )
( 6)
这种运算适合主因素决定型 1 当某一地区 k 种测井物理参数在不同种类地层上 的采样结果多数有明显差异时, Λ A i (U 0 ) 由下式计算
k
( 10) ( 11)
Ξ
摘 要: 根据人工对测井资料分析的思维过程, 应用模糊数学理论及统计学参数, 建立了岩土
性质识别及界面划分的人工智能数学模型, 并研制了相应的软件, 实现了工程数字测井的自 动分层. 对离散的数字测井值, 通过测井物理参数对地层性质的隶属函数模型, 逐一识别, 然 后进行聚类处理; 对地层界面处由于邻层效应产生的模糊数据, 分别计算其对上下层岩性的 隶属度, 采用主因素决定型算法实现界面划分. 应用结果表明, 该方法简单、 快速且较准确 1 关键词: 工程; 数字测井; 分层; 人工智能 中图分类号: TU 413 文献标识码: A 文章编号: 049322137 ( 2001) 0520633203
岩性 石灰岩 泥岩 砂质泥岩 泥质砂岩
界面划分后层厚 m 平均隶属度
5. 8 1. 8 5. 5 2. 9 0. 517 504 0. 372 979 0. 464 986 0. 423 990
现将部分处理结果与钻井资料进行对比, 如表 41
表 4 处理结果与钻孔资料对比
Tab . 4 Com par ison between processing results and the results from well dr ill in g
JOU RNAL O F天津大学学报 TI AN J I N UN I V ER S IT Y V o l . 34 N o. 5 Sep. 2001
第 34 卷 第 5 期 2001 年 9 月
工程数字测井自动分层的人工智能技术
张献民, 王建华
( 天津大学建筑工程学院岩土工程研究所, 天津 300072)
U A ik ( x 0k ) ]
天津大学学报 2001 年 第 34 卷 第 5 期 算机自动识别处理 1
3. 2 地层界面划分
在不同地层交界面的一定范围内, 由于受邻层影 响, 采用上述方法逐点进行地层性质识别时, 必然会出 现不连续的地层性质 1 该范围内采样点构成了地层性 质的模糊区 1 因为同种地层性质之间采样结果的相关 系数必然大于不同地层性质间采样结果的相关系数, 故而采用如下方法进行界面划分 1 设相邻两层地层性质分别为第 k 1 和 k 2 个模糊模 式, 则对交界处的采样点作如下计算:
数的数学期望值可视为不变的 1 在测井值误差仅由随 机因素引起的情况下, 同种地层的同种测井值将服从 正态分布[ 1 ] 1 据此可建立各种地层的隶属函数 1 设工区内地层类型有 n 种, 所采用的测井物理参 数有 k 种, 那么, 第 j 种 ( j = 1, 2, …, k ) 测井物理参数 对第 i 种 ( i = 1, 2, …, n ) 地层的隶属函数为[ 2 ]
采样点范围 H m 岩性识别结果 聚类处理厚度 m
139 ～ 144. 8 14419～ 145. 0 145. 1 14512～ 146. 3 14614～ 146. 6
平均隶属度
01517 5 01030 7 01114 3 01373 7 01000 6
采样点范围 H m
14617～ 14919 15010～ 15011 15012～ 15211 15212～ 15410
2 918. 639 536. 527 558. 323 590. 120
3 地层界面的划分
3. 1 聚类分析
泥质砂岩
应用模糊识别方法, 对离散的采样结果逐点进行 识别, 然后进行聚类分析 1 即将离散点中连续一致的 地层性质识别结果归为一层 1 在连续一致的识别结果 中, 对因随机误差等造成的个别突变地层性质点, 用计
( 9)
视电阻率 R a
a ij
Ρij
9. 131 7. 570 4. 183 16. 429
Ρij
2 222. 769 14. 282 15. 597 13. 941
即待识别模糊向量U 0 应归属于式 ( 9) 中隶属度最大的 模糊模式 1
13. 901 118. 199 40. 240 95. 432
Ξ 收稿日期: 2000208229; 修回日期: 20002122141
∑
T= 1
1
N
N
∑
r= 1
x ij r -
T
a ij
(m Hale Waihona Puke Baidu 1)
( 4)
式中: i = 1, 2, …, n; j = 1, 2, …, k ; m 为一种地层统计 的层数; N 为第 j 种物理参数在第 i 种地层上离散采样 点数; x T ij r 为同种性质地层统计层中的第 T 层, 第 j 种 物理参数在第 i 种地层上离散采样数值的第 r 个数值 1
Λ A ij = e 1 ( x 0 j - a ij ) 2 2 Ρij
( 2)
式中: x 0 j 为待识别地层上的第 j 种物理参数的测井值;
a ij 与 Ρij 分别为第 i 种地层上的第 j 种测井物理参数的
均值和标准差, 且由下式给出 a ij = Ρij =
1
m
m
∑
T= 1 m
1
N
N
∑x
r= 1
T ij r
( 3)
2
1 地层性质模糊模式的建立
应用模糊模式识别理论进行工程测井地层性质 判别的关键在于建立各种地层的模糊模式, 亦即建立 各种地层的隶属函数 1 隶属函数的合理确定是成功地 进行地层性质判别的重要条件 1 其作用大致有三条: 一是把定性问题转变为定量问题; 二是从有量纲值转 化为无量纲值; 三是将 n 维空间转变为 [ 0, 1 ] 区间[ 3 ] 1 设论域 U 中有 n 种地层 A 1 , A 2 , …, A n , 每种地层 的性质又取决于 k 个测井物理参数 x 1 , x 2 , …, x k , 即 ( 1) A i = ( x i1 , x i2 , …, x ik ) ( i = 1, 2, …, n ) 通常, 在同一地区、 同一种地层的同一种物理参
2 地层性质模糊模式的识别
论域中的模糊集合 A 用隶属函数 Λ A 来定义 1 隶 属函数 Λ A 在实轴闭区间 [ 0, 1 ] 中取值 1K 种测井物理 参数的采样结果就构成了一个待识别的模糊向量为 ( 5) U 0 = ( x 01 , x 02 , …, x 0k )
作者简介: 张献民 (1959- ) , 男, 天津大学岩土工程研究所博士研究生, 河北工业大学教授 1
・634・ 将式 ( 5) 代入式 ( 2) , 计算出 U 0 对模糊模式 A i 的 隶属度 Λ A 1 (U 0 ) , Λ A 2 (U 0 ) , …, Λ A n (U 0 ) , 然后判定 U 0 应 归属那一种模糊模式 1 该问题即构成一个模糊识别问 题, 用以下方法判定 1 当某一地区 k 种测井物理参数在不同种类地层上 采样结果只有少数具明显差异时, 按模糊集合的交集 运算规则求出 Λ A i (U 0 ). Λ A i (U 0 ) = m in [U A i1 ( x 01 ) , U A i2 ( x 02 ) , …,
应用所研制的软件, 对实际数字测井资料进行了 处 理 1 测试时采样间隔为 10 cm , 考虑到篇幅, 这里不 在给出原始采样数据及逐点识别结果, 而只给出聚类 处理后的结果及界面划分后的结果 . 表 2 为逐点识别 后聚类处理的结果, 表 3 为界面划分后的结果 1
表 2 聚类处理结果 Tab . 2 Result of da ta processing of mak ing sam e property da ta together
Tab . 3 Result of determ in in g boundary
采样点范围 H 139. 0～ 144. 144. 9～ 146. 146. 7～ 152. 152. 2～ 154.
m 8 0 1 0
・635・
可见, 应用模糊模式自动分层结果与实际情况基本相 符 1 在厚度较小的岩层上, 相对误差较大; 而在厚度较 大的地层上, 相对误差较小 1 由于这种误差是邻层影 响造成的, 因此, 随着待识别厚度的加大, 地层厚度划 分结果的相对误差将会降低 1 当采样间隔较大时, 为 了提高计算精度, 可采用线性插值处理 1 应用结果表明, 该方法简单易行, 且具有较高的
岩性 泥质砂岩 砂质泥岩 石灰岩 泥岩 钻井资料
1612 216 618 116
识别结果厚度 m
1611 218 617 118
相对误差 %
016 711 115 1111
岩性 砂质泥岩 泥质砂岩 石灰岩
钻井资料厚度 m
518 310 1417
识别结果厚度 m
514 219 1513
相对误差 %
714 315 319
表 1 统计参数 a ij 和 Ρij
Tab . 1 Sta tistica l param eters a ij and Ρij
岩性 石灰岩 泥岩 砂质泥岩 自然伽马 GR
a ij
在进行权重分配时, 对不同地层上测量结果区分 比较明显的测井物理参数应适当加重 1 这种算法对所 有测井物理参数以权重大小均衡兼顾, 比较适用于要 求整体物理参数指标的情况 1 最后, 按照最大隶属原则, 有 Λ A i (U 0 ) = m ax [ Λ A 1 (U 0 ) , Λ A 2 (U 0 ) , …, Λ A n (U 0 ) ]
精度 1 只要输入待解释地区的系数 a ij , Ρij 及数字测井 采样数据, 应用本文研制的程序即可达到自动识别岩 性及划发岩性界面 1 参考文献:
[ 1 ] D enes Szenclro. A Sta tistica l m ethod fo r litho log ic in ter2
Λ A k 2j = e
1 ( x 0j - ak2j ) 2 2 Ρk 2 j
Λ A i (U 0 ) =
∑a Λ
j j= 1
A ij
( x 0 j ) ( i = 1, 2, …, n ) ( 7)
式中: j = 1, 2, …, k 1 按上述识别方法可得到 Λ A k1 与 Λ 将该采样点归属为 A k 2 , 依 据 最 大 隶 属 原 则,
近年来, 随着电子技术的发展, 数字测井技术在 工程中得到了广泛的应用, 如应用物理参数与水文地 质、 工程地质参数的响应方程, 可获得地层的含水饱和 度、 渗透率、 杨氏模量及剪切模量等参数 1 但所有这些 都离不开地层性质识别及地层界面划分这一最基本的 工程任务 1 工程测井的主要任务之一是岩土性质的划分, 用 数值分析等方法进行数据分析较为复杂, 难以实现实 时处理 1 本文根据人工分析测井资料的思维过程, 应 用模糊数学理论及统计学参数, 建立了测井物理参数 对地层性质的隶属函数, 并给出了简便的地层界面划 分方法, 应用 FO R TRAN 277 语言, 在微机上实现了人 工智能数字测井的快速自动分层 1
岩性识别结果 砂质泥岩 石灰岩 砂质泥岩 泥质砂岩
聚类处理厚度 m
313 012 210 219
平均隶属度
01355 0 01261 0 01637 1 01424 0
石灰岩 砂质泥岩 泥质砂岩 泥岩 泥质砂岩
518 012 011 112 013
天津大学学报 张献民等: 工程数字测井自动分层的人工智能技术 表 3 界面划分结果
m ax [ Λ A k1, Λ A k2 ]1
式中: a i 为第 i 种测井物理参数所对应的权. a i 满足
k
∑a i = 1
i= 1
( 8)
4 应用实例
应用上述方法, 对某地的工程数字测井数据进行 了处理 1 表 1 为该地区统计出来的 4 种岩性、 2 种测井 物理参数的系数 a ij 和 Ρij 1