Программно-аппаратные средства для интерпретации геофизических исследований скважин на основе нейроинформационных технологий

• Автор: Федоров, Алексей Владимирович
• Шифр специальности: 05.13.18, 05.13.01
• Научная степень: Кандидатская
• Год защиты: 2005
• Место защиты: Ижевск
• Количество страниц: 172 с. : ил.

ОГЛАВЛЕНИЕ
Введение.
1. Обзор существующих методов каротажа и интерпретации результатов геофизических исследований скважин.

1.1. Методы геофизических исследований скважин

1.1.1. Электрические методы каротажа

1.1.2. Акустический каротаж.

1.1.3. Радиоактивные методы каротаэса

1.1.4. Кавернометрия

1.2. Автоматизация обработки и интерпретации результатов ГИС

1.3. Интерпретация каротажных данных

1.4. Алгоритмы интерпретации каротажных данных

1.4.1. Статистические методы
1.4.2. Алгоритм с использованием диагностических кодов .
1.4.3. Литологическое расчленение с оценкой вероятности
1.4.4. Метод нормализации.
1.4.5. Методы классификации, основанные на петрофизиче
ских данных
1.5. Комплексы программных средств для обработки данных ГИС . .
1.5.1. Программы для оцифровки каротажных диаграмм
1.5.2. Программы интерпретации каротажных диаграмм .
1.6. Выводы, постановка цели и задач исследований.
2. Совершенствование методов оптимизации, применяемых при
обучении интеллектуальных систем для интерпретации ГИС
2.1. Методы оптимизации, построенные на вычислении градиента целевой функции .
2.2. Генетические алгоритмы оптимизации
2.3. Стандарт вдй генетический алгоритм с двоичным кодированием ВОА.
2.4. Генетический алгоритм с вещественным кодированием 0А.
2.5. Гибридный генетический алгоритм с элитным обучением лидера
2.6. Тестирование гибридного алгоритма на многоэкстремальных функциях
2.7. Применение гибридного алгоритма ЕЮАУМ для решения оптимизационных задач .
2.8. Полученные результаты и выводы
3. Разработка интеллектуальной системы интерпретации ГИС на основе теории нейронных сетей.
3.1. Основы нейроинформационных технологий.
3.2. Алгоритм обратного распространения ошибки.
3.3. Обучение нейронной сети с помощью гибридного алгоритма .
3.4. Радиальные нейронные сети.
3.5. Нечеткая нейронная сеть ТБК.
3.6. Расчленение разреза на пласты нейросетевыми методами
3.7. Определение коэффициентов пористости коллекторов
3.8. Влияние представления данных на процесс интерпретации многослойной нейронной сетью
3.9. Полученные результаты и выводы
4. Математические и программные средства повышения информативности моделей интерпретации данных ГИС
4.1. Модель поточечной интерпретации геофизических данных
4.2. Снижение размерности системы данных.
4.3. Методы классификации пластов нефтяных скважин.
4.3.1. Метод многомерного шкалирования
4.3.2. Самоорганизующиеся карты Кохонена.
4.3.3. Метод выделения главных компонент.
4.4. Полученные результаты и выводы
Заключение
Литература


Работа выполнялась в соответствии с планами хоздоговорных НИР, проводимых ООО «Институт интеллектуальных технологий» и ОАО «ТНК-ВР»: № ГР 0 «Верификация геолого-геофизической информации по объектам разработки месторождений Северного НГДП ОАО «Нижневартовск»; № ГР 0 «Формирование базы данных гсолого-технологических мероприятий на скважинах Самотлорского месторождения»; № ГР 0 «Оцифровка каротажного материала Каширо-подольского объекта Вятской площади Арланского месторождения»; № ГР 0 «Создание библиотеки скан-образов скважин Самотлорского месторождения»; № ГР 0 Формирование базы данных по ОАО «Варьеганнефтегаз». Работа выполнялась в Институте математического моделирования разработки нефтяных месторождений ИжГТУ в соответствии с планами хоздоговорных НИР, проводимых ИжГТУ с ОАО «Удмуртгеология» и ОАО «Белкамнефть». Вся работа в целом, а также ее отдельные части могут быть использованы предприятиями нефтегазодобывающей отрасли, организациями, занимающимися построением ряда различных моделей на основе геолого-геофизической и промысловой информации. Апробация работы. Отдельные законченные этапы работы обсуждались на Международных НТК «Информационные технологии в инновационных проектах» (Ижевск,-); Научно-технических конференциях ИжГТУ (Ижевск,-); 5-м Международном конгрессе по мат. Дивноморское,); Междунар. Нейроинформатика и системы ассоциативной памяти» (Таганрог,); 4-м научном симпозиуме «Геоинформационные технологии в нефтегазовом сервисе» (Уфа,). Публикации. Основные научные результаты по теме диссертации опубликованы в научных работах, в том числе: 6 отчетов о НИР (с. I депонированная рукопись (объемом страницы), 4 статьи в журналах и сборниках, 2 тезиса докладов на научно-технической конференции. Структура диссертационной работы определяется общими замыслом и логикой проведения исследований. Диссертация содержит введение, 4 главы и заключение, изложенные на 2 с. В работу включены рис. Введение содержит обоснование актуальности темы, формулировку цели и задач работы, основные положения, выносимые на защиту, и определяет содержание и методы выполнения работы. В первой главе дан обзор существующих методов каротажа и интерпретации результатов ГИС. Представлен обзор методов получения данных о геофизических характеристиках скважин. Особое внимание уделено электрическому, акустическому, радиоактивному методам каротажа, а также каверномет-рии. Определены основные этапы автоматизации процессов сбора, обработки и интерпретации геофизических данных. При этом дан сопоставительный анализ различных методов и алгоритмов интерпретации данных, таких как статистические методы, алгоритм с использованием диагностических кодов, литологическое расчленение с оценкой вероятности, метод нормализации и методы классификации, основанные на петрофизических данных. КД. Во второй главе рассмотрено совершенствование методов оптимизации, применяемых при обучении интеллектуальных систем для интерпретации ГИС. Приведены классические методы оптимизации, построенные на вычислении градиента целевой функции, в том числе метод наискорейшего спуска, алгоритм золотого сечения, метод сопряженных градиентов и метод переменной метрики. В главе описаны генетические алгоритмы оптимизации, стандартный генетический алгоритм с двоичным кодированием (BGA), генетический алгоритм с вещественным кодированием (RGA) и гибридный генетический алгоритм с элитным обучением лидера. Проведено тестирование гибридного алгоритма на многоэкстремальных функциях, результаты которого отражены здесь же. Рассмотрено применение гибридного алгоритма BGAVM для решения оптимизационных задач. Третья глава посвящена разработке интеллектуальной системы интерпретации ГИС на основе теории нейронных сетей, в том числе рассмотрены основы нейроинформационных технологий, алгоритм обратного распространения ошибки, обучение нейронной сети с помощью гибридного алгоритма, радиальные нейронные сети, нечеткая нейронная сеть TSK, расчленение разреза на пласты нейросетевыми методами, определение коэффициентов пористости коллекторов. В главе учтено влияние представления данных на процесс интерпретации многослойной нейронной сетью. В четвертой главе предложены математические и программные средства повышения информативности моделей интерпретации данных ГИС. Представлена модель поточечной интерпретации геофизических данных, исследованы возможности снижения размерности системы данных. В этой же главе описаны методы классификации пластов нефтяных скважин, в том числе метод многомерного шкалирования, самоорганизующиеся карты Кохонена и методы выделения главных компонент. В заключении сделаны выводы о проделанной работе.