Математическое, алгоритмическое и программное обеспечение для идентификации структурных объектов по комплексу разнородных геолого-геофизических данных

• Автор: Бурлаков, Никита Сергеевич
• Шифр специальности: 05.13.11
• Научная степень: Кандидатская
• Год защиты: 2014
• Место защиты: Москва
• Количество страниц: 243 с. : ил.

СОДЕРЖАНИЕ

ВВЕДЕНИЕ

ГЛАВА 1. ОБЗОР СУЩЕСТВУЮЩИХ ПОДХОДОВ И СИСТЕМ

1.1 Описание проблемы

1.2 Обзор литературы

1.2.1 Подход, основанный на кросс-корреляции

1.2.2 Подход, основанный на динамическом программировании

1.2.3 Подход, основанный на преобразовании Фурье

1.2.4 Подход, основанный на распознавании образов

1.2.5 Подход, основанный на принципе упорядоченности пластов
1.2.6 Подход, основанный на принципе перспективного соответствия.
1.2.7 Подход, основанный на построении триангуляционной сети скважин
1.2.8 Подход, основанный на искусственных нейронных сетях
1.2.9 Подход, основанный на экспертных системах
1.3 Обзор существующего программного обеспечения
1.4 Цели и задачи исследования
Выводы по первой главе
ГЛАВА 2. ПРОЕКТИРОВАНИЕ И АНАЛИЗ АЛГОРИТМОВ АВТОМАТИЗАЦИИ КОРРЕЛЯЦИИ СКВАЖИН
2.1 Постановка задачи автоматической корреляции скважин
2.2 Проблема применимости процедуры АКС
2.3 Классификация каротажных кривых по степени применимости АКС
2.4 Предварительная подготовка входных данных и их анализ
2.4.1 Предварительный анализ качественных характеристик скважин..
2.4.2 Предварительный анализ качественных характеристик каротажа
2.4.3 Фильтрация шумов каротажных данных для использования в АКС.
2.4.3 Методы снижения размерности входных данных

2.4.4 Нейросетевая инверсия недостающих методов ГИС
2.5 Критерии отбора обучающих скважин.!
2.5.1 Критерий, основанный на расстоянии до места потенциального пластопересечения
2.5.2 Критерий, основанный на анизотропии геологических свойств
2.5.3 Критерий, основанный на качественных параметрах каротажа
2.5.4 Критерий, основанный на «предсказательной способности» скважины
2.6 Распознавание образца сигнала пласта на неизвестной скважине
2.6.1 Принцип скользящего окна
2.6.2 Линейная и ранговая кросс-корреляция
2.6.3 Стандартизированная Евклидова метрика
2.6.4 Метрики Чебышева, Манхеттена, косинусоидальная
2.6.5 Спектральный анализ
2.6.6 Алгоритм множественного выравнивания последовательностей ДНК
2.6.7 Алгоритм Shape Context
2.6.8 Алгоритмы распознавания речи
2.6.9 Искусственные нейронные сети
Выводы по второй главе
ГЛАВА 3. ФОРМАЛИЗАЦИЯ ГЕОЛОГО-ГЕОФИЗИЧЕСКИХ ПРИНЦИПОВ ДЛЯ ПРОГРАММ АВТОМАТИЧЕСКОЙ КОРРЕЛЯЦИИ Л
3.1 Формализация геологических принципов для задач АКС
3.1.1 Интегрированный подход к задаче АКС
3.1.2 Геометрия простирания пластов
3.1.3 Использование данных сейсморазведки
3.1.4 Использование автоматической фациальной интерпретации ГИС
3.1.5 Использование других разнородных геолого-геофизических данных
3.1.6 Автоматическая сегментация каротажных кривых
3.1.7 Распознавание разломов и зон стратиграфического несогласия
3.1.8 Принцип согласованности корреляции
3.2 Адаптивная система настройки параметров АКС
3.2.1 Весовая система для задач АКС
3.2.2 Адаптивная система поиска оптимальных весов для алгоритмов.
3.2.3 Адаптивная система выбора множества обучающих скважин и методов ГИС
ВЫВОДЫ ПО ТРЕТЬЕЙ ГЛАВЕ
ГЛАВА 4. ПРОГРАММНОЕ ОБЕСПЕЧЕНИЕ И РЕЗУЛЬТАТЫ ИССЛЕДОВАНИЯ АЛГОРИТМОВ
4.1 Программное обеспечение системы автоматической корреляции скважин
4.1.1 Архитектура программного комплекса
4.1.2 Описание основных классов и методов
4.1.3 Графический интерфейс пользователя
4.2 Результаты исследования на примере реальных данных
4.2.1 Информация по месторождениям
4.2.2 Результаты тестирования модуля предварительного анализа и подготовки входных данных
4.2.3 Результаты тестирования модуля отбора обучающих скважин
4.2.4 Результаты тестирования модуля распознавания образца пласта
4.2.5 Результаты тестирования модуля формализации геологических принципов
4.2.6 Результаты тестирования модуля адаптивной весовой системы..
4.3 Показатели эффективности системы
Выводы по четвертой главе
ЗАКЛЮЧЕНИЕ
СПИСОК ЛИТЕРАТУРЫ

составляет 64%. Расхождения автор объясняет наличием зон выклинивания и замещения, которые в его методе не учитываются.
Также можно отметить работу [53], в которой решается задача разделения геологического разреза на пласты с помощью ИНС. Выделение пластов осуществляется по данным геофизических исследований скважин (ГИС). Для проведения ГИС применяются разнообразные группы методов: электрометрические, акустические, радиометрические, термометрические и др. Для обработки использовались результаты измерений, полученные пятью методами: БК-метод, акустический метод, гамма-метод, нейтронный гамма-
метод и метод кавернометрии.
В результате многочисленных экспериментов, авторам удалось достигнуть удовлетворительных результатов, причем преимуществом данного подхода также можно считать высокую скорость обработки данных, однако, недостатком данного подхода, по прежнему, можно считать необходимость трудоемкой настройки нейронной сети под каждые новые входные данные месторождения.
1.2.9 Подход, основанный на экспертных системах
Экспертные системы в задачах геологии получили широкое распространение после выхода автоматической системы поиска перспективных залежей в программе PROSPECTOR [69].
Экспертные системы рассматриваются совместно с базами знаний как модели поведения экспертов в определенной области знаний с использованием процедур логического вывода и принятия решений, а базы знаний - как совокупность фактов и правил логического вывода в выбранной предметной области деятельности.
База правил состоит из некоторого количества правил «ЕСЛИ - ТО». Правила работают на основе исходной базы данных, содержащей характеристики пластов, для информации о сходстве пластов. Правила задаются экспертом и могут быть основаны на ряде характеристик каротажа: классы характерных форм каротажной кривой для разного типа фаций, изменения градиентов