張　濤，張金功，張小莉，瞿曉婷

(1.西北大學(xué)地質(zhì)系/大陸動力學(xué)國家重點實驗室，陜西 西安 710069；2.西北大學(xué) 信息科學(xué)與技術(shù)學(xué)院，陜西 西安 710069)

?

基于元素組成的多層感知器神經(jīng)網(wǎng)絡(luò)巖性識別

張濤1,2，張金功1，張小莉1，瞿曉婷2

(1.西北大學(xué)地質(zhì)系/大陸動力學(xué)國家重點實驗室，陜西 西安 710069；2.西北大學(xué) 信息科學(xué)與技術(shù)學(xué)院，陜西 西安 710069)

利用元素俘獲譜測井法得到的主要造巖元素信息，區(qū)分被測地層的巖性成因大類屬性。通過收集、分析大量的沉積巖和巖漿巖的主要造巖元素含量實測數(shù)據(jù)，構(gòu)建并訓(xùn)練多層感知器人工神經(jīng)網(wǎng)絡(luò)模型，最終得到了利用巖石主要元素組成數(shù)據(jù)區(qū)分樣品本身巖性成因的一種方法。模型通過完全不參與人工神經(jīng)網(wǎng)絡(luò)構(gòu)建與訓(xùn)練的實測數(shù)據(jù)測試，平均分類準(zhǔn)確率達到94%以上，在元素俘獲譜測井巖性解釋方面具有較好的應(yīng)用前景。

巖性成因；多層感知器；測井解釋

巖石是一種或多種礦物的集合體，是構(gòu)成地殼的基本部分。按其成因分為三大類，即巖漿巖、沉積巖和變質(zhì)巖。就油氣勘探的主要對象來說，一直以沉積巖為主。但自上世紀(jì)80年代末期以來，世界范圍內(nèi)的油氣勘探過程中，偶然發(fā)現(xiàn)了與巖漿巖相關(guān)的油氣藏。人們由此開展了一系列與油氣有關(guān)的巖漿巖研究[1-5]。遂發(fā)現(xiàn)巖漿巖在不同的形成環(huán)境下，有不同的生、儲、蓋意義[6-11]。就我國以發(fā)現(xiàn)的巖漿巖油氣資源來說，華北油田、大港油田、渤海灣盆地、準(zhǔn)格爾盆地、大慶油田等均有巖漿巖油氣藏的發(fā)現(xiàn)報道[12-19]。

測井解釋、評價是油氣勘探的重要組成部分，其中巖性解釋、評價又是其他一切解釋、評價的基礎(chǔ)。利用常規(guī)測井信號區(qū)分礦物組成復(fù)雜的沉積巖與巖漿巖在大多數(shù)情況下存在多解性。地層元素俘獲譜測井法(ECS)通過探測記錄非彈性散射伽馬譜和俘獲伽馬譜，通過一定的解譜技術(shù)，可獲知被測地層主要的元素含量。由于沉積巖和巖漿巖在主要造巖元素組成上存在一定的差異，本文提出一種利用人工神經(jīng)網(wǎng)絡(luò)技術(shù)、根據(jù)被測地層的主要造巖元素組成來準(zhǔn)確判斷被測地層巖性成因的方法。主要通過收集大量的沉積巖、巖漿巖取芯實測的主要造巖元素資料樣本、利用人工神經(jīng)網(wǎng)絡(luò)中的多層感知器模型，對樣本的巖性屬性進行了區(qū)分，期望能獲得一種利用ECS測井資料準(zhǔn)確判斷地層巖性成因的測井解釋方法。

1　基于多層感知器的沉積巖和巖漿巖分類

多層感知器神經(jīng)網(wǎng)絡(luò)能夠從數(shù)據(jù)樣本中自動地學(xué)習(xí)并揭示出樣本中所蘊含的非線性關(guān)系，可以用于分類、函數(shù)逼近、參數(shù)估計等問題。同時其結(jié)構(gòu)簡單，性能優(yōu)異，在多種領(lǐng)域得到廣泛應(yīng)用。因此本論文采用多層感知器神經(jīng)網(wǎng)絡(luò)對實測巖石主要元素組成樣本進行訓(xùn)練，建立網(wǎng)絡(luò)模型，最終實現(xiàn)兩類巖石的正確分類。

1.1多層感知器

神經(jīng)網(wǎng)絡(luò)是一種模擬生物神經(jīng)系統(tǒng)結(jié)構(gòu)和人類形象思維工程的人工智能技術(shù)。人工神經(jīng)網(wǎng)絡(luò)是模仿和延伸人類智能的非線性自適應(yīng)動力學(xué)系統(tǒng)，通過輸入樣本對神經(jīng)網(wǎng)絡(luò)訓(xùn)練，能夠從數(shù)據(jù)樣本中自動地學(xué)習(xí)并揭示出樣本中所蘊含的非線性關(guān)系，使其對事物和環(huán)境具有很強的自學(xué)習(xí)、自適應(yīng)、聯(lián)想記憶、并行處理和非線性轉(zhuǎn)換的能力。

多層感知器(MLP)是人工神經(jīng)網(wǎng)絡(luò)中非常重要的一種類型，它使用輸入與輸出之間的多層加權(quán)連接，MLP的結(jié)構(gòu)基本類似于一套級聯(lián)的感知器，該網(wǎng)絡(luò)可以包含一層或者多層隱藏神經(jīng)元，這些隱藏層神經(jīng)元逐步從輸入模式中提取多種有用特征，可以使網(wǎng)絡(luò)學(xué)習(xí)復(fù)雜的任務(wù)，由于其具有優(yōu)異性能，MLP網(wǎng)絡(luò)模型得到了廣泛的應(yīng)用。

1.2沉積巖和巖漿巖的分類

通過巖石實測資料發(fā)現(xiàn)沉積巖的主要元素組成有Si，Al，K，Ca，Ma，F(xiàn)e，S，而巖漿巖的主要元素組成有Si，Ti，Al，F(xiàn)e，Mn，Mg，Ca，K，本文主要通過研究兩者組成的共同主要元素，即Si，Al，K，Ca，Mg五種，通過分析沉積巖和巖漿巖的特性及五種元素的含量對沉積巖和巖漿巖進行分類。

選取對巖性分類具有重要指導(dǎo)意義的五種元素作為網(wǎng)絡(luò)輸入，分別為：Si，Al，K，Ca，Mg，將數(shù)據(jù)集劃分為訓(xùn)練樣本、測試樣本和保持樣本。從數(shù)據(jù)集中隨機抽取70%的樣本組成訓(xùn)練集，20%組成測試集，另外選取10%的樣本作為保持樣本(獨立數(shù)據(jù))評估最終神經(jīng)網(wǎng)絡(luò)。由于保持樣本不用于構(gòu)建網(wǎng)絡(luò)，因此可以給出網(wǎng)絡(luò)預(yù)測能力的“真實”估計值。數(shù)據(jù)劃分表1所示。

表1　數(shù)據(jù)劃分表

本文采用的多層感知器的優(yōu)化算法采用調(diào)整的共軛梯度算法，隱含層激活函數(shù)采用雙曲正切函數(shù)，雙曲正切函數(shù)的計算公式為：輸出層激活函數(shù)采用Softmax函數(shù)。網(wǎng)絡(luò)具體參數(shù)如表2所示：

表2　多層感知器網(wǎng)絡(luò)參數(shù)

將五種元素作為網(wǎng)絡(luò)輸入，該網(wǎng)絡(luò)采用一層隱藏神經(jīng)元，這一層由6個神經(jīng)元組成，通過多層感知器可以將兩類巖石分類結(jié)果作為網(wǎng)絡(luò)輸出，如圖1所示，其中class=1為沉積巖，class=2為巖漿巖。

圖1　多層感知器網(wǎng)絡(luò)結(jié)構(gòu)示意圖

2　實驗驗證

實驗選用數(shù)據(jù)包括涵蓋我國大部分沉積盆地的沉積巖樣本9 060個，巖漿巖樣本7 834個，根據(jù)輸入的五種元素含量，對沉積巖和巖漿巖進行劃分，并采用分類符合率、ROC曲線和累計增益圖對實驗結(jié)果進行驗證。

因為輸入多層感知器的自變量重要性對整個網(wǎng)絡(luò)的性能有很大的影響，因此通過計算五種自變量的重要性指標(biāo)，證明選擇的這五種元素在進行沉積巖和巖漿巖分類方面起到很重要的最用。表3為五種元素的重要性，對比五種元素，Ca和Si最為重要，其余三種元素差異較小。

表3　多層感知器網(wǎng)絡(luò)自變量的重要性

在訓(xùn)練集中有5 959個沉積巖樣本和5 162個巖漿巖樣本被正確分類，準(zhǔn)確率達94.3%，同時，374個沉積巖樣本誤分為巖漿巖，292個巖漿巖樣本誤分為沉積巖；在測試集中1 736個沉積巖樣本和1 497個巖漿巖樣本被正確分類，113個沉積巖樣本誤分為巖漿巖，90個巖漿巖樣本誤分為沉積巖；分類準(zhǔn)確率為94.1%；在保持樣本集中828個沉積巖樣本和734個巖漿巖樣本被正確分類，50個沉積巖樣本誤分為巖漿巖，52個巖漿巖樣本誤分為沉積巖；分類準(zhǔn)確率為93.9%；具體值如表4示。

表4　巖石分類準(zhǔn)確率

曲線范圍是ROC曲線的數(shù)字摘要，對于某一個類別，其中的值代表了對于該類別中的預(yù)測擬概率，該類別中一個隨機選擇的個案要高于非該類別中一個隨機選擇的個案的概率。即對于隨機選擇的沉積巖與隨機選擇的巖漿巖，就預(yù)測擬概率而言，前者高于后者的概率為0.983。由圖2 ROC曲線中可以得出，兩類巖性均取得較高準(zhǔn)確率，差異不大。

圖2　巖石分類ROC曲線

累積增益圖在給定的類別匯總中顯示通過把個案總數(shù)的百分比作為目標(biāo)而“增益”的個案總數(shù)的百分比。例如：沉積巖類別曲線的第一個點(10%，20%)，即如果使用網(wǎng)絡(luò)對數(shù)據(jù)集進行評分并通過沉積巖預(yù)測擬概率對所有個案進行排序，您將會期望前10%包括實際上類別為沉積巖的所有個案數(shù)的大約20%，依次類推，如果選擇已打分?jǐn)?shù)據(jù)集的100%，則會得到數(shù)據(jù)集中所有的沉積巖。由圖3可以得出兩類樣本均具有較大增益值，客觀反映了兩類巖石的預(yù)測擬概率統(tǒng)計特性。

累積增益圖可以幫助選擇對應(yīng)于大量收益的百分比選擇分類標(biāo)準(zhǔn)值，然后，將百分比與適當(dāng)分類值映射。

圖3　巖石分類累計增益圖

由此可以看出多層感知器網(wǎng)絡(luò)在沉積巖和巖漿巖分類方面具有較好效果，平均正確率可以達到94%。

3　結(jié)語

本文通過利用多層感知器人工神經(jīng)網(wǎng)絡(luò)模型，對大量實測的巖石主要元素組成數(shù)據(jù)進行了分析，最終得到了利用巖石主要元素組成數(shù)據(jù)判斷樣品本身巖性成因的一種方法，該方法可直接應(yīng)用在利用ECS測井資料進行巖性成因判斷方面。主要結(jié)論如下：

(1) 沉積巖與巖漿巖在主要組成元素上有一定的差異。利用這種差異，結(jié)合人工神經(jīng)網(wǎng)絡(luò)方法，可達到94%的分類準(zhǔn)確率?？蓱?yīng)用在在測井巖性成因解釋方面。

(2) 沉積巖與巖漿巖在主要元素組成上沒有本質(zhì)的區(qū)別，可通過進一步的研究獲取含量更低的特征元素來進行更準(zhǔn)確的分類。以提高在測井巖性成因解釋方面的準(zhǔn)確性。

[1]范典高,段本春.巖漿巖儲層的形成及油氣藏類型[J].青島海洋大學(xué)學(xué)報(自然科學(xué)版).2000,02:321-326.

[2]白國平,曹斌風(fēng).全球深層油氣藏及其分布規(guī)律[J].石油與天然氣地質(zhì).2014,01:19-25.

[3]趙靖舟.非常規(guī)油氣有關(guān)概念、分類及資源潛力[J].天然氣地球科學(xué).2012,03:393-406.

[4]龔再升.繼續(xù)勘探中國近海盆地花崗巖儲層油氣藏[J].中國海上油氣.2010,04:213-220.

[5]鄒才能,趙文智,賈承造,等.中國沉積盆地火山巖油氣藏形成與分布[J].石油勘探與開發(fā).2008,03:257-271.

[6]趙澄林.火山巖儲層儲集空間形成機理及含油氣性[J].地質(zhì)論評.1996,S1:37-43.

[7]馮喬,湯錫元.巖漿活動與油氣成藏地質(zhì)條件的關(guān)系[J].西北地質(zhì)科學(xué).1997,01:56-62.

[8]馮喬,湯錫元.巖漿活動對油氣藏形成條件的影響[J].地質(zhì)科技情報.1997,04:60-66.

[9]李寧.火成巖儲層孔隙結(jié)構(gòu)表征與儲層參數(shù)分類評價[D].吉林大學(xué).2010.

[10]許風(fēng)光.火成巖儲層巖性識別及裂縫評價研究[D].中國石油大學(xué).2007.

[11]張麗華.火成巖儲層測井評價方法研究[D].吉林大學(xué).2009.

[12]李平魯,梁慧嫻,戴一丁.珠江口盆地基巖油氣藏遠景探討[J].中國海上油氣.地質(zhì).1998,06:1-9.

[13]朱毅秀,金之鈞,林暢松,等.塔里木盆地塔中地區(qū)早二疊世巖漿巖及油氣成藏關(guān)系[J].石油實驗地質(zhì).2005,01:50-54+61.

[14]程黨性.東營凹陷西部及陽信洼陷巖漿活動與油氣藏形成的關(guān)系[D].西北大學(xué).2005.

[15]安峰.濟陽坳陷火成巖油藏儲集層特征與油氣成藏研究[D].中國海洋大學(xué).2004.

[16]楊景勇.興隆臺潛山帶內(nèi)幕油氣成藏條件研究[D].東北石油大學(xué).2011.

[17]陶國強,肖斌.銀—額盆地巖漿巖地震反射特征及與油氣關(guān)系分析[J].斷塊油氣田.2001,06:11-14+70.

[18]葛志丹,王興志,朱萌,等.東營凹陷太古界巖漿巖儲層特征研究[J].巖性油氣藏.2011,04:48-52.

[19]于振鋒.?！璧鼗鹕剿樾紟r復(fù)雜巖性的巖石學(xué)機理及其測井響應(yīng)[D].吉林大學(xué).2013.

2016-03-14

張濤(1980-)，男，陜西大荔人，在讀博士研究生，主攻方向：石油地質(zhì)與開發(fā)。

P588.1

B

1004-1184(2016)05-0107-03