洪一鳴，王璞珺，李瑞磊，邊偉華，黃布宙，鄭健

1.吉林大學(xué) 地球科學(xué)學(xué)院，長(zhǎng)春 130061； 2.中國(guó)石油化工股份有限公司 東北油氣分公司，長(zhǎng)春 130062； 3.吉林大學(xué) 地球探測(cè)科學(xué)與技術(shù)學(xué)院，長(zhǎng)春 130026

0 引言

含油氣盆地通常具有“火山--沉積”二元充填結(jié)構(gòu)，隨著油氣勘探開發(fā)程度的不斷深入，位于盆地深層的含火山巖層逐漸成為油氣勘探的重要目標(biāo)[1--4]，由于火山巖類型多樣，形成條件復(fù)雜，加上后期成巖改造強(qiáng)烈[5]，導(dǎo)致有關(guān)火山巖儲(chǔ)層形成機(jī)理、儲(chǔ)集空間的形成與演化等認(rèn)識(shí)不夠深刻，給油氣勘探開發(fā)帶來(lái)了極大的挑戰(zhàn)[6]。火山巖巖性的連續(xù)準(zhǔn)確識(shí)別是開展火山巖油氣勘探的基礎(chǔ)，由于巖芯和巖屑來(lái)源的局限性，僅使用地質(zhì)樣品無(wú)法實(shí)現(xiàn)全井段巖性序列的構(gòu)建。相對(duì)而言，常規(guī)測(cè)井?dāng)?shù)據(jù)對(duì)火山巖巖性的變化響應(yīng)明顯，且具縱向連續(xù)性，近年來(lái)，前人先后開展了基于常規(guī)測(cè)井?dāng)?shù)據(jù)的巖性識(shí)別研究[7--9]?；鹕綆r的測(cè)井響應(yīng)受巖石成分、結(jié)構(gòu)構(gòu)造和成巖作用綜合影響，在巖性復(fù)雜區(qū)，常規(guī)交會(huì)圖法識(shí)別率明顯偏低，此后，BP神經(jīng)網(wǎng)絡(luò)被嘗試引入巖性識(shí)別[8, 10--12]。但是，常規(guī)BP神經(jīng)網(wǎng)絡(luò)[13]在巖性預(yù)測(cè)中經(jīng)常存在過(guò)擬合現(xiàn)象，導(dǎo)致預(yù)測(cè)結(jié)果與實(shí)際巖性存在較大差異[14]。筆者在常規(guī)BP神經(jīng)網(wǎng)絡(luò)模型中引入Dropout機(jī)制[15]，通過(guò)降低常規(guī)BP神經(jīng)網(wǎng)絡(luò)的過(guò)擬合，提升火山巖巖性識(shí)別的準(zhǔn)確性，為火山巖儲(chǔ)層巖性識(shí)別建立一種新的預(yù)測(cè)模型。

1 材料和方法

1.1 地質(zhì)背景和采樣

松遼盆地位于中國(guó)東北部，面積260 000 km2，是中國(guó)最大的中生代陸相含油氣盆地[16]。長(zhǎng)嶺斷陷位于松遼盆地南部(圖1a)，面積為1.3×104km2，深部斷陷層自下而上分別為火石嶺組、沙河子組、營(yíng)城組以及登婁庫(kù)組[17]。長(zhǎng)嶺斷陷在斷陷期火山活動(dòng)頻繁，形成了火石嶺組和營(yíng)城組兩套廣泛分布的火山巖層(圖1b)[18]。研究區(qū)位于長(zhǎng)嶺斷陷南部龍鳳山地區(qū)，火石嶺組火山巖主要為大段的中性火山碎屑巖以及少量的熔巖互層產(chǎn)出(圖1c)，成因機(jī)制復(fù)雜，具多期噴發(fā)特點(diǎn)。本次研究所用17口鉆井在火石嶺組取芯約303 m，揭示的火山巖主要包括玄武巖、安山巖、安山質(zhì)角礫熔巖、安山質(zhì)角礫巖、安山質(zhì)凝灰?guī)r、流紋巖、流紋質(zhì)角礫巖和流紋質(zhì)凝灰?guī)r等。

1.2 測(cè)井資料

選取17口鉆井的常規(guī)測(cè)井資料，包括自然伽馬(GR)、深淺側(cè)向電阻率(LLD/LLS)、聲波時(shí)差(AC)、密度(DEN)和補(bǔ)償中子(CNL)。測(cè)井響應(yīng)通常受多種地質(zhì)因素影響，上述6條測(cè)井曲線分別反映了巖石的放射性、導(dǎo)電性、聲速、密度和孔隙度等自身屬性，選用這6條測(cè)井曲線數(shù)據(jù)建立了標(biāo)準(zhǔn)測(cè)井?dāng)?shù)據(jù)，每組測(cè)井?dāng)?shù)據(jù)是由GR、LLD、LLS、AC、DEN、CNL，以及深淺側(cè)向幅度差LLD--LLS組成的7維數(shù)組。

標(biāo)準(zhǔn)測(cè)井?dāng)?shù)據(jù)的選取，首先提取LLD曲線的極值，其余曲線取LLD極值深度上下各0.5 m的平均值。每條測(cè)井曲線的縱向分辨率為0.125，即每1 m有8個(gè)實(shí)測(cè)數(shù)據(jù)點(diǎn)，每個(gè)標(biāo)準(zhǔn)數(shù)據(jù)代表8個(gè)相鄰數(shù)據(jù)的平均值。由于不同的巖性具有不同的雙側(cè)向電阻率幅度差，因此本次研究提取深淺側(cè)向電阻率的幅度差LLD--LLS，作為數(shù)據(jù)的補(bǔ)充。經(jīng)過(guò)對(duì)研究區(qū)17口鉆井共126.8 m涵蓋8種巖性的數(shù)據(jù)提取，共提取258組有效數(shù)據(jù)構(gòu)成本次BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)巖性的樣本集，表1為根據(jù)選取的258組有效數(shù)據(jù)歸納整理計(jì)算得出的選取測(cè)井樣本數(shù)據(jù)分布特征表。為驗(yàn)證BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)巖性的準(zhǔn)確性，將258組數(shù)據(jù)按比例隨機(jī)分為訓(xùn)練數(shù)據(jù)184組和預(yù)測(cè)數(shù)據(jù)74組。訓(xùn)練數(shù)據(jù)用于建立巖性預(yù)測(cè)模型，預(yù)測(cè)數(shù)據(jù)用于統(tǒng)計(jì)巖性預(yù)測(cè)的準(zhǔn)確性。

a.長(zhǎng)嶺斷陷在松遼盆地的位置；b.長(zhǎng)嶺斷陷構(gòu)造分區(qū)；c.長(zhǎng)嶺斷陷地層綜合柱狀圖。圖1 長(zhǎng)嶺斷陷地質(zhì)簡(jiǎn)圖(據(jù)文獻(xiàn)[19-20]修改)Fig.1 Geological sketch map in Changling fault depression

表1 火石嶺組測(cè)井樣本數(shù)據(jù)分布特征表

1.3 引入Dropout的BP神經(jīng)網(wǎng)絡(luò)巖性預(yù)測(cè)方法

常規(guī)BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)巖性包括兩個(gè)過(guò)程：學(xué)習(xí)過(guò)程和工作過(guò)程。學(xué)習(xí)過(guò)程的主要原理就是在采用已知學(xué)習(xí)樣本集基礎(chǔ)上，利用誤差反向傳播原理進(jìn)行訓(xùn)練，利用訓(xùn)練結(jié)果建成網(wǎng)絡(luò)[21]。工作過(guò)程就是將輸入數(shù)據(jù)與期望數(shù)據(jù)用實(shí)際的測(cè)井?dāng)?shù)據(jù)表示，完成可以計(jì)算實(shí)際情況的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)構(gòu)建。以本次研究中預(yù)測(cè)火山巖巖性為例，預(yù)設(shè)GR，AC，CNL，LLD，LLS，DEN等實(shí)際測(cè)得的測(cè)井資料信息為輸入層的神經(jīng)元，設(shè)置一個(gè)或者多個(gè)隱含層，其輸出層可用預(yù)設(shè)的巖性代碼作為神經(jīng)元(圖2)，搭建好此神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)以后，便可以用于相似地層情況下巖性的預(yù)測(cè)。

將前文提到的258組數(shù)據(jù)作為神經(jīng)網(wǎng)絡(luò)的輸入。為了能使神經(jīng)網(wǎng)絡(luò)計(jì)算高效準(zhǔn)確，需將這些在不同量級(jí)的測(cè)井?dāng)?shù)據(jù)進(jìn)行歸一化處理，經(jīng)過(guò)歸一化后的測(cè)井?dāng)?shù)據(jù)均分布在0到1之間，消除了不同測(cè)井曲線不同量綱對(duì)神經(jīng)網(wǎng)絡(luò)運(yùn)算的影響。歸一化公式為：

(1)

注：若min<0，則按0處理。

(a) BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)示意圖；(b) Dropout模型示意圖，通過(guò)引入Dropout將左側(cè)復(fù)雜模型變得簡(jiǎn)單；(c)訓(xùn)練過(guò)程神經(jīng)元以概率p留存，并以權(quán)重w連接到下一層的神經(jīng)元，在預(yù)測(cè)過(guò)程神經(jīng)元始終存在，權(quán)重w乘以留存概率p。預(yù)測(cè)過(guò)程的期望與訓(xùn)練過(guò)程的期望相同。圖2 引入Dropout的BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)巖性原理示意圖(據(jù)文獻(xiàn)[15]修改)Fig.2 Schematic diagram of lithological prediction by BP neural network with Dropout

BP神經(jīng)網(wǎng)絡(luò)巖性識(shí)別過(guò)程如下：

(1) 確定BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)及激活函數(shù)

根據(jù)所選數(shù)據(jù)，確定輸入層為7個(gè)神經(jīng)元，分別對(duì)應(yīng)GR、AC、LLD、LLS、DEN、CNL和LLD--LLS。輸出層為1個(gè)神經(jīng)元，即輸出一個(gè)巖性預(yù)測(cè)結(jié)果。輸入層與輸出層之間為隱含層，這里設(shè)置兩層隱含層(圖2a)。激活函數(shù)選擇tanh函數(shù)，即網(wǎng)絡(luò)中各神經(jīng)元的輸出輸入關(guān)系為函數(shù)：

(2)

在神經(jīng)網(wǎng)絡(luò)運(yùn)行過(guò)程中，如果模型的神經(jīng)元太多而訓(xùn)練樣本又太少，則會(huì)產(chǎn)生過(guò)擬合現(xiàn)象，其表現(xiàn)為只能擬合訓(xùn)練數(shù)據(jù)，但不能很好地?cái)M合不包含在訓(xùn)練數(shù)據(jù)中的其他數(shù)據(jù)的狀態(tài)，整體預(yù)測(cè)的精度較低[14, 22]。本次研究由于訓(xùn)練數(shù)據(jù)僅為184組而神經(jīng)元又太多，為避免過(guò)擬合現(xiàn)象的出現(xiàn)，引入Dropout來(lái)緩解過(guò)擬合現(xiàn)象的發(fā)生。Dropout由Srivastava et al.提出[15]，其基本思想是在神經(jīng)網(wǎng)絡(luò)訓(xùn)練過(guò)程中隨機(jī)丟棄輸入層和隱含層一定比例的神經(jīng)元。在訓(xùn)練階段，每個(gè)神經(jīng)元都可能以概率p留存，稱之為留存概率，并以權(quán)重w連接到下一層的神經(jīng)元；而到了預(yù)測(cè)階段，每個(gè)神經(jīng)元都是存在的，權(quán)重參數(shù)w要乘以留存概率p，這樣便有了和訓(xùn)練階段相同的期望輸出(圖2c)。Dropout減少了無(wú)關(guān)特征數(shù)據(jù)的特征提取過(guò)程，通過(guò)降低神經(jīng)元之間復(fù)雜的關(guān)聯(lián)(圖2b)較好地解決了過(guò)擬合的現(xiàn)象。

(2) 反向傳播計(jì)算誤差，權(quán)值修改

BP神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)的過(guò)程也是不斷糾錯(cuò)減小誤差的過(guò)程，通過(guò)不斷的學(xué)習(xí)，反向糾錯(cuò)，以達(dá)到滿足要求的輸出值。在網(wǎng)絡(luò)學(xué)習(xí)訓(xùn)練中，如果在輸出層不能得到想要的輸出結(jié)果，就會(huì)立即轉(zhuǎn)入反向傳播程序，誤差信號(hào)沿原來(lái)的路徑返回，然后修改各層神經(jīng)元中的權(quán)值，使得誤差信號(hào)降到最小，然后逐層計(jì)算反傳誤差[13, 23]。

(3) 運(yùn)行程序，得出預(yù)測(cè)結(jié)果

在Python中編寫B(tài)P神經(jīng)網(wǎng)絡(luò)程序，讀取訓(xùn)練數(shù)據(jù)和預(yù)測(cè)數(shù)據(jù)，通過(guò)程序輸出的誤差信號(hào)調(diào)節(jié)BP神經(jīng)網(wǎng)絡(luò)的各參數(shù)。經(jīng)過(guò)多次運(yùn)行調(diào)試，發(fā)現(xiàn)當(dāng)Dropout留存率設(shè)置為0.25，兩個(gè)隱含層神經(jīng)元數(shù)分別為90和40時(shí)，網(wǎng)絡(luò)的誤差最小。程序運(yùn)行結(jié)束后會(huì)輸出巖性預(yù)測(cè)結(jié)果，為減小偶然性誤差，需多次運(yùn)行程序，取平均值。

2 結(jié)果

2.1 火山巖主要類型和特征

通過(guò)對(duì)303 m的火石嶺組取芯段進(jìn)行巖芯觀察、地球化學(xué)主量元素分析(表2)和薄片分析(圖3)，按照王璞珺等提出的火山巖儲(chǔ)層巖性分類方案[4]，確定了研究區(qū)發(fā)育的8種火山巖主要類型及其巖石學(xué)特征：玄武巖，斑狀結(jié)構(gòu)，斑晶為基性斜長(zhǎng)石，基質(zhì)交織結(jié)構(gòu)，富含鐵鎂質(zhì)礦物，塊狀構(gòu)造，裂縫發(fā)育，充填鈣質(zhì)(圖3a-b);安山巖，少斑結(jié)構(gòu)，基質(zhì)交織結(jié)構(gòu)，塊狀構(gòu)造，裂縫發(fā)育，充填綠泥石(圖3c-d)；安山質(zhì)角礫熔巖，角礫灰白色，火山碎屑熔巖結(jié)構(gòu)，碎屑含長(zhǎng)石晶屑，碎屑棱角狀，被灰黑色熔漿膠結(jié)。角礫基質(zhì)交織結(jié)構(gòu)，可見(jiàn)氣孔，硅質(zhì)充填(圖3e-f)；安山質(zhì)角礫巖，火山碎屑結(jié)構(gòu)，凝灰質(zhì)膠結(jié)，角礫斑狀結(jié)構(gòu)，斑晶為蝕變嚴(yán)重的斜長(zhǎng)石，基質(zhì)交織結(jié)構(gòu)(圖3g-h)；安山質(zhì)凝灰?guī)r，火山碎屑結(jié)構(gòu)，巖石主要由粒徑<2 mm長(zhǎng)石晶屑和安山巖巖屑構(gòu)成，安山巖巖屑中可見(jiàn)杏仁體，沿杏仁體邊緣溶蝕形成溶蝕孔(圖3i-k)，發(fā)育高角度裂縫，充填硅質(zhì)，基質(zhì)存在鈣質(zhì)交代作用(圖3l-n)；流紋巖，見(jiàn)大量石英斑晶，具流動(dòng)構(gòu)造，發(fā)育網(wǎng)狀裂縫(圖3o-p)；流紋質(zhì)角礫巖，火山碎屑結(jié)構(gòu)，巖石主要由>2 mm的火山碎屑組成，凝灰質(zhì)膠結(jié)，角礫成分為流紋巖，斑狀結(jié)構(gòu)，斑晶為石英，可見(jiàn)流紋質(zhì)巖屑和長(zhǎng)石晶屑(圖3q-r)；流紋質(zhì)凝灰?guī)r，塊狀構(gòu)造，碎屑為流紋質(zhì)巖屑，棱角狀--次棱角狀，大小<2 mm，成分均一(圖3s-t)。

表2 火石嶺組火山巖主量元素(%)分析結(jié)果及自然伽馬值(API)

a、b.玄武巖，SN185井，2 115.9 m，發(fā)育裂縫，鈣質(zhì)充填；c、d.安山巖，XS1井，3 532.4 m，斑狀結(jié)構(gòu)，斑晶為鉀長(zhǎng)石；e、f.安山質(zhì)角礫熔巖，B215井，3 220.2 m，角礫為安山巖巖屑，被黑色熔漿膠結(jié)；g、h.安山質(zhì)角礫巖，B216井，3 679.37 m，角礫為安山巖，基質(zhì)交織結(jié)構(gòu)；i-k.安山質(zhì)凝灰?guī)r，B203井，3 869.3 m，安山巖巖屑可見(jiàn)氣孔；l-n.安山質(zhì)凝灰?guī)r，B204井，3 300.9 m，基質(zhì)鈣質(zhì)交代；o、p.流紋巖，SN104井，2 398.4 m，流動(dòng)構(gòu)造，發(fā)育網(wǎng)狀裂縫；q、r.流紋質(zhì)角礫巖，L7井，2 135.6 m，流紋巖角礫斑狀結(jié)構(gòu)，斑晶為石英；s、t.流紋質(zhì)凝灰?guī)r，SN66井，1 906.3 m，碎屑為流紋質(zhì)巖屑，棱角狀--次棱角狀。圖3 長(zhǎng)嶺斷陷火石嶺組火山巖巖石學(xué)特征Fig.3 Petrological characteristics of volcanic rocks in Huoshiling Formation in Changling fault depression

2.2 火山巖的測(cè)井響應(yīng)

筆者對(duì)數(shù)據(jù)選取段的各種巖性的測(cè)井曲線對(duì)比分析發(fā)現(xiàn)(圖4)，自然伽馬(GR)響應(yīng)在不同巖性中變化最為明顯，玄武巖呈現(xiàn)最低值，流紋巖及其碎屑巖顯示最高值，安山巖及其碎屑巖的GR值介于二者之間；在深淺側(cè)向電阻率曲線(LLD/LLS)上安山巖以及流紋質(zhì)凝灰?guī)r表現(xiàn)出較其他巖性高的電阻率特征；玄武巖和流紋巖在電阻率上呈現(xiàn)出正幅度差。補(bǔ)償中子(CNL)曲線顯示玄武巖和流紋質(zhì)凝灰?guī)r具有高的CNL值，安山質(zhì)凝灰?guī)r較上述二者低，其余巖性基本維持同一水平；在密度(DEN)曲線上，安山巖和安山質(zhì)角礫熔巖明顯高于其他巖性；在聲波時(shí)差(AC)曲線上，玄武巖最低，安山質(zhì)角礫熔巖和流紋質(zhì)角礫巖相較于其他巖性高。

圖4 長(zhǎng)嶺斷陷火山巖測(cè)井響應(yīng)特征Fig.4 Logging response characteristics of volcanic rocks in Changling fault depression

筆者基于258組標(biāo)準(zhǔn)測(cè)井?dāng)?shù)據(jù)，分別建立了火石嶺組火山巖GR--AC(圖5a)與GR--CNL交會(huì)圖(圖5b)。面對(duì)火石嶺組復(fù)雜的火山巖巖性，交會(huì)圖僅能對(duì)基性、中性和酸性巖有一個(gè)初步的區(qū)分，對(duì)具體8種巖性的識(shí)別，通過(guò)統(tǒng)計(jì)黑色輪廓數(shù)據(jù)點(diǎn)正確落到相應(yīng)區(qū)域的個(gè)數(shù)，計(jì)算出最高識(shí)別率僅為55.41%，無(wú)法實(shí)現(xiàn)巖性的有效區(qū)分。

圖5 火石嶺組火山巖 GR--AC 交會(huì)圖(a)與 GR--CNL 交會(huì)圖(b)Fig.5 GR--AC (a) and GR--CNL(b) cross plot of volcanic rocks of Huoshiling Formation

從BP神經(jīng)網(wǎng)絡(luò)最終的預(yù)測(cè)結(jié)果來(lái)看(表3)，直接預(yù)測(cè)具體巖性的符合率可達(dá)到74%?？紤]到研究區(qū)的巖性復(fù)雜，可將整個(gè)巖性預(yù)測(cè)過(guò)程細(xì)分為兩步:首先按基性巖、中性巖和酸性巖劃分大類，然后進(jìn)一步在每個(gè)大類中預(yù)測(cè)具體巖性。結(jié)果顯示，BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)大類巖性的符合率為94.59%，進(jìn)一步預(yù)測(cè)具體巖性時(shí)，總符合率達(dá)94.12%，綜合這兩步，整體符合率為89.03%。與傳統(tǒng)的雙參數(shù)交會(huì)圖相比，引入Dropout的BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)巖性的符合率明顯提高，針對(duì)研究區(qū)火石嶺組火山巖的巖性預(yù)測(cè)是準(zhǔn)確且有效的。

表3 Dropout--BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)巖性符合率

3 討論

火山巖的成分、結(jié)構(gòu)復(fù)雜多樣，再疊加孔縫發(fā)育及充填、噴發(fā)期次等因素，導(dǎo)致即使同一種火山巖其測(cè)井響應(yīng)特征在不同井段出現(xiàn)差異[24--26]。圖5的交會(huì)圖巖性識(shí)別率較低，主要體現(xiàn)在以下兩個(gè)方面：①部分安山巖的伽馬值偏高，與酸性巖的GR值存在重合；②圖5b的GR--CNL交會(huì)圖中，安山質(zhì)凝灰?guī)r數(shù)據(jù)點(diǎn)的集中區(qū)域有兩塊。

火山巖GR值主要是受到巖石中鈾、釷、鉀等放射性元素的影響。因此，火山巖中鉀長(zhǎng)石(K2O·Al2O3·6SiO2)的含量成為影響其GR值的主要因素。通過(guò)對(duì)中性巖和酸性巖的地球化學(xué)主量元素分析(表2)，發(fā)現(xiàn)研究區(qū)的中性巖K2O含量明顯高于酸性巖，初步推斷K2O的富集是該深度段安山巖自然伽馬值異常高的主要原因。

在火山巖測(cè)井響應(yīng)中，直接影響CNL值的是孔隙度，巖石的孔隙度越大，則CNL值越大。圖5b的GR--CNL交會(huì)圖中，安山質(zhì)凝灰?guī)r值在4%～6%和14%～17%這兩個(gè)區(qū)間出現(xiàn)了兩塊數(shù)據(jù)集中區(qū)域。對(duì)比B203井、B204井的安山質(zhì)凝灰?guī)r鑄體薄片發(fā)現(xiàn)，B203井成巖作用弱，未發(fā)生明顯的交代作用與充填作用，且在安山質(zhì)巖屑中還發(fā)育著殘余氣孔和杏仁體溶蝕孔(圖3j-k)。B204井中鈣質(zhì)交代、硅質(zhì)充填、蝕變均有發(fā)生，交代作用以及充填作用破壞了先期形成的粒間孔和溶蝕孔等，因此在薄片中幾乎未發(fā)現(xiàn)B204井的有效孔隙(圖3m-n)。CNL值出現(xiàn)兩塊富集區(qū)間。B203井擁有比B204井更深的埋深但更好的物性，預(yù)示著當(dāng)火山碎屑巖處于深埋藏階段時(shí)，埋深的變化對(duì)其物性的影響日趨減小，而交代作用、充填作用則對(duì)其物性起著決定性的影響。

本文建立的Dropout--BP神經(jīng)網(wǎng)絡(luò)同時(shí)結(jié)合6種常規(guī)測(cè)井參數(shù)，將常規(guī)雙參數(shù)交會(huì)圖升級(jí)到多參數(shù)神經(jīng)網(wǎng)絡(luò)，綜合火山巖的成分、結(jié)構(gòu)和電性，開展巖性預(yù)測(cè)，極大提升了火山巖巖性的預(yù)測(cè)精度。在火山巖巖性類型簡(jiǎn)單地區(qū)或識(shí)別精度僅需達(dá)到酸性--中性--基性等成份大類時(shí)，雙參數(shù)交會(huì)圖法基本可滿足需求；若遇到與本文研究區(qū)類似巖性復(fù)雜多變情況，引入Dropout的BP神經(jīng)網(wǎng)絡(luò)法則是一種更有效的手段。

4 結(jié)論

(1)研究區(qū)火石嶺組主要發(fā)育了8種火山巖?；詭r的GR均值最低，其次為中性巖，酸性巖有最高的GR均值。中性火山巖GR均值由低到高依次為：安山巖<安山質(zhì)凝灰?guī)r<安山質(zhì)角礫熔巖<安山質(zhì)角礫巖。

(2)建立的Dropout--BP神經(jīng)網(wǎng)絡(luò)對(duì)研究區(qū)的火山巖巖性二級(jí)識(shí)別的總體符合率達(dá)89.03%，相較于傳統(tǒng)雙參數(shù)交會(huì)圖法，大幅提升了巖性識(shí)別精度，可滿足生產(chǎn)需求。