Выбор информативных сейсмических атрибутов на основе нейро-экспертной системы для оценки прогнозных параметров коллекторов тема диссертации и автореферата по ВАК РФ 25.00.10, кандидат технических наук Лаврик, Сергей Александрович

• Лаврик, Сергей Александрович
• кандидат технических наук
• 2009

Оглавление диссертации кандидат технических наук Лаврик, Сергей Александрович

Список сокращений.

Введение.

Глава 1. Анализ и исследование методов и проблем, связанных с определением информативных признаков.

1.1. Описание задачи выбора признаков.

1.2. Описание и характерные черты сейсмических атрибутов.

1.3. Анализ существующих статистических методов определения информативныхпризнаков.

1.3.1. Метод факторного анализа.

1.3.2. Метод главных компонент.

1.3.3. Метод независимых компонент.

1.3.4. Краткое сравнение рассмотренных статистических методов понижения размерности.

1.4. Исследование нейросетевых методов для отбора информативных признаков.

1.4.1. Структура и свойства искусственных нейронных сетей.

1.4.2. Обучение искусственных нейронных сетей.

1.4.3. Геофизические предпосылки использования нейронных сетей.

1.5. Общая характеристика методов и средств экспертных систем.

1.5.1. Определение экспертных систем и задачи решаемые ими.

1.5.2. Классификация экспертных систем.

1.5.3. Приобретение знаний в экспертных системах.

1.5.4. Построение базы знаний в экспертных системах.

1.5.4.1. Способ классификации знаний.

1.5.4.2. Модели представления знаний.

1.6. Общее описание гибридных интеллектуальных систем.

1.7. Постановка задачи исследования.

1.7.1. Недостатки статистических методов.

1.7.2. Недостатки нейронных сетей.

1.7.3. Недостатки экспертных систем.

1.7.4. Модель системы для определения информативных сейсмических атрибутов.

1.7.5. Цель и задачи исследования.

1.8. Выводы по главе 1.

Глава 2. Теоретические вопросы разработки моделей и методов определения информативных признаков.

2.1. Математическая постановка задачи.

2.2. Структурная модель нейро-экспертиой системы определения информативного набора сейсмических атрибутов.

2.3. Структура экспертной системы.

2.4. Алгоритм обучения многослойной нейронной сети.

2.5. Алгоритм оптимальной структуры многослойной нейронной сети.

2.6. Алгоритм извлечения знаний из нейронной сети.

2.7. Алгоритм оценки значимости сейсмических атрибутов на основе многослойной нейронной сети.

2.7.1. Эвристический алгоритм оценки значимости.

2.7.2. Алгоритм оценки значимости с фиксацией значений признаков.

2.7.3. Комбинированный алгоритм отбора признаков.

2.8. Критерии оценки мнения псевдо-экспертов.

2.9. Выводы по главе 2.

Глава 3. Программная реализация нейро-экспертной системы выбора информативных сейсмических атрибутов.

3.1. Требования к разрабатываемым программным средствам.

3.2. Выбор языков программирования и инструментальных средств разработки.

3.3. Проектирование общей архитектуры нейро-экспертной системы.

3.4. Описание подсистем разрабатываемой нейро-экспертной системы.

3.4.1. Модуль обработки и анализа данных и результатов.

3.4.2. Модуль статистического анализа.

3.4.3. Модуль нейронной сети.

3.4.4. Модуль передачи знаний.

3.4.5. Модуль экспертной системы.

3.4.6. Общая архитектура системы.

3.5. Описание функциональных возможностей нейро-экспертной системы.

3.5.1. Описание функций, обеспечивающих работу нейронной сети.

3.5.2. Описание функций, обеспечивающих выбор атрибутов статистическими методами.

3.5.3. Описание функций, обеспечивающих формирование набора сейсмических атрибутов.

3.5.4. Описание основных классов системы.

3.6. Описание работы нейро-экспертной системы.

3.6.1. Общее описание интерфейсных возможностей и сценариев работы пользователя.

Введение диссертации (часть автореферата) на тему «Выбор информативных сейсмических атрибутов на основе нейро-экспертной системы для оценки прогнозных параметров коллекторов»

Актуальность темы исследования. При поисках, разведке, и разработке месторождений нефти и газа основным методом ведения геолого-геофизических исследований является сейсмическая разведка. При этом перед сейсмической разведкой всегда ставится большое число самых разнообразных задач, связанных с изучением геологического строения объектов исследований. Одной из таких задач является изучение характера распределения различных физических и фильтрационно-емкостных свойств в некоторой области среды (резервуара), где предполагается наличие залежей углеводородов. Для эффективного выполнения такой задачи принято выполнять целый ряд подготовительных расчетов. Эти расчеты преследуют цель получения некоторых количественных и качественных характеристик волнового поля, на базе которых возможно определение физических и фильтрационно-емкостных свойств изученной части геологической среды. Такими характеристиками являются сейсмические атрибуты.

Актуальность темы диссертационного исследования обусловлена тем, что при решении задач классификации и регрессии, поиске функциональных многомерных зависимостей прогнозных петрофизических параметров от сейсмических атрибутов задача выбора информативного набора признаков (сейсмических атрибутов) представляется чрезвычайно важной. В практике атрибутного анализа геофизику приходится выбирать из множества признаков различной природы (мгновенные атрибуты, амплитудные и производные атрибуты и т.д.), имеющих теоретическую взаимозависимость с прогнозными параметрами, причем сложность выбора затрудняется тем, что каждый атрибут может быть рассчитан вдоль сейсмического горизонта во временных окнах различного размера и с различными смещениями.

Сложность задачи выбора усугубляется большим количеством возможных преобразований (сейсмических атрибутов), нечеткостью условий их применимости для данного региона, наличием нескольких потенциальных зависимостей от различных физических и иных факторов для отдельных сейсмических атрибутов, наличием перекрестных взаимосвязей между отдельными сейсмическими атрибутами, а также геологическими особенностями изучаемых площадей и регионов. Для осмысленного выбора становится необходимым использование методики, позволяющей определить, какие из атрибутов действительно важны, а какие несут мало полезной информации или дублируют друг друга в рамках применения выбранной модели и могут быть отброшены без существенных искажений прогноза (аппроксимации).

Решение задачи выбора минимального количества сейсмических атрибутов позволит снизить вычислительные (и, соответственно, временные) затраты на расчет самих атрибутов, а таюкс время расчета окончательного прогноза и возможно будет способствовать нахождению новых зависимостей сейсмических атрибутов с петрофизическими параметрами, которые не учитывались ранее.

Актуальность темы исследования так же обусловлена тем, что в настоящее время наблюдается быстрый прогресс в практическом применении современных интеллектуальных информационных технологий, к которым относятся проектирование, разработка и эксплуатация моделей и методов экспертных систем и нейронных сетей. Это связано в первую очередь с тем, что, ЭС предназначены, главным образом, для решения практических задач символического характера, возникающих в слабо структурированной и трудно формализуемой предметной области (например, обработка и интерпретация сейсмических данных). Экспертные системы были первыми системами, которые привлекли внимание потенциальных потребителей продукции искусственного интеллекта. Достоинство применения экспертных систем заключается в возможности принятия высококачественных решений в типовых ситуациях, для которых алгоритм заранее не известен и формируется из исходных данных и правил принятия решений из базы знаний. Причем решение необходимо найти в условиях неполноты, недостоверности, многозначности интерпретации исходной информации и качественного характера оценок.

Искусственные нейронные сети в свою очередь так же являются эффективным средством решения сложных плохо формализуемых задач, но со стороны численных данных. К этому классу традиционно относятся задачи классификации, кластеризации, аппроксимации многомерных отображений, распознавания образов, нелинейной фильтрации, управления сложными технологическими объектами и др.

Однако, несмотря на очевидную полезность и широкое использование, экспертные системы и нейросетевые технологии, как и любые системы, не совершенны и имеют ряд недостатков. Например, один из главных недостатков ЭС состоит в сложности распознавания границ возможностей ЭС и демонстрации ненадежного функционирования вблизи границ применимости. Следует также сказать, что определенные трудности и ограничения вызывает и проектирование ЭС. Они слабо приспособлены к обучению на уровне новых концепций и новых правил, оказываются не эффективны и мало пригодны в тех случаях, когда надо учитывать всю сложность реальных и нештатных задач.

Основным недостатком нейронных сетей являются трудности в интерпретации результатов, что приводит к снижению ценности полученных результатов работы сети. Обученная НС представляет собой «умный черный ящик», работу которого трудно объяснить обычными средствами. Если говорить о конкретных моделях НС, то недостатком, например, многослойных нейронных сетей являются невозможность гарантировать наилучшее обучение за конкретный временной интервал. Также трудно реализовать разумный выбор параметров сети, а именно количество скрытых слоев и количество нейронов в этих слоях, и подбор весовых коэффициентов.

Таким образом, учитывая все перечисленные выше недостатки, можно предложить совместное использование данных технологий, некоторую гибридную модель. Так как сети способны указывать доверительный уровень каждого решения, то сеть «знает, что она не знает» и передает данный случай для разрешения экспертной системе. Решения, принимаемые на этом более высоком уровне, были бы конкретными и логичными, но они могут нуждаться в сборе дополнительных фактов для получения окончательного заключения. Для этого можно добавить различные (известные) методы и алгоритмы связанных с определением информативных признаков. Тем самым, можно построить комбинацию систем, которая была бы более мощной, чем каждая из систем в отдельности.

Цель и задачи исследования. Целью диссертации является решение научной задачи по созданию гибридной нейро-экспертной системы выбора информативного набора сейсмических атрибутов для аппроксимации и прогноза петрофизических параметров. В соответствии с данной целью поставлены следующие задачи*.

Провести анализ существующих методов определения информативных признаков объекта;

S Провести исследование нейросетевых моделей и методов;

Провести анализ основных подходов и методов в области построения экспертных и гибридных систем;

Изучить и реализовать методы и алгоритмы анализа структуры многомерных данных;

S Разработать структуру нейронной сети, входными данными которой являются количественные характеристики объекта;

S Определить методы получения знаний из нейронной сети;

S Разработать модель взаимодействия нейронной сети и экспертной системы, включающую в себя априорные знания об объекте;

S Создать программное обеспечение;

Провести апробацию модели в производственном процессе, а именно для выбора информативного набора сейсмических атрибутов.

Теоретическая н информационная база исследования. При проведении исследования были использованы труды отечественных и зарубежный специалистов, внесших огромный вклад в области геофизики, в изучение технологий экспертных систем и нейросетевых подходов.

К трудам в области геофизики, в частности касающихся сейсмических атрибутов, можно отнести работы таких авторов: Танер М., Сидни С., Чен К., Бондарев В.И. и др.

Из трудов посвященных нейросетевым методам были рассмотрены работы следующих авторов: Горбань А.Н., Тархов Д.А., Заенцев И.В., Осовский С., Уоссермен Ф., Свинглер К., Калаи P., Bishop С. М. и др.

Среди трудов, связанных с экспертными и гибридными системами, следует выделить работы таких отечественных авторов как: Попов Э.В., Гаврилов А.В., Гаврилова Т.А., Хорошевский В.Ф., Ярушкина Н.Г. Среди зарубежных авторов следует отметить таких как: Джексон П., Стюарт Дж. Рассел, Питер Норвиг, Вильям Силер, Джеймс Дж. Бакли и др.

Из трудов посвященных задачи выбора информативных признаков объекта и различным методам ее решения следует выделить работы зарубежных авторов: Piramuthu S., Hyvarinen A., Oja Е., Иберла К., Лоули Д. Среди отечественных авторов следует отметить таких как: Айвазян С.А., Сошникова JI.A., Тамашевич В.Н.

Информационной базой исследования по проблематике настоящей работы являлись ресурсы сети Интернет (публикации и рабочие материалы ученых-исследователей).

Объект и предмет исследования. Объектом исследования является модель гибридной нейро-экспертной системы. Предмет исследования - набор сейсмических атрибутов.

Методологическая основа исследования. Методологическую основу работы составляют современные методы математического анализа, статистического оцениваиия, теории вероятностей и математической статистики, вычислительные методы, нейросетевые методы, методы искусственного интеллекта и системного программирования.

Научная новизна диссертации состоит в следующем:

1. Разработан алгоритм определения оптимальной структуры многослойной нейронной сети.

2. Разработана модель гибридной нейро-экспертной системы для определения информативного набора сейсмических атрибутов.

3. Разработана методика сравнения эффективности и применимости различных методов определения информативного набора сейсмических атрибутов.

4. Получено решение задачи выбора информативного набора сейсмических атрибутов с применением многослойной нейронной сети.

Защищаемые положения. На защиту выносятся:

1. Разработанный алгоритм определения оптимальной структуры многослойной нейронной сети позволяет решать задачу эффективного обучения многослойной нейронной сети.

2. Разработанная модель гибридной нейро-экспертной системы выбора множества наиболее информативных сейсмических атрибутов обеспечивает решение прогнозных задач при поисках углеводородов.

3. Предложена технология совместного использования нейросетевых методов и экспертных систем, позволяющая эффективно решать задачи прогнозирования, классификации и регрессии.

Практическая ценность диссертации. Практическая ценность работы заключается в создании программной системы, реализующей предлагаемые в диссертации методы и алгоритмы, и которая повышает эффективность и расширяет интеллектуальные возможности выбора информативного набора сейсмических атрибутов с целью оценки прогнозных параметров коллекторов. Все предлагаемые в диссертации методы и алгоритмы реализованы в программном комплексе SeisProN. На программу SeisProN получено авторское свидетельство.

Полученные результаты, основные выводы и рекомендации приняты к использованию в практической деятельности ОАО «Центральная Геофизическая Экспедиция» в процессе выполнения работ, связанных с обработкой и интерпретацией данных по месторождениям нефти и газа.

Апробация результатов исследования. Основные результаты проводимых исследований, изложенные в работе, докладывались на 3-ей международной конференции и выставки «Геонауки - от новых идей к новым открытиям» (Санкт-Петербург, 2008), 10-й международной научно-практической конференции и выставке «Геомодель-2008» (Геленджик, 2008). По теме диссертации опубликовано 7 работ.

Структура и объем диссертации. Структура настоящей работы отражает логику исследования, которая предопределена взаимосвязью перечисленных выше задач диссертации. Диссертация состоит из введения, четырех глав, заключения и двух приложений. Общий объем диссертации составляет 142 страницы машинописного текста, в том числе 65 рисунков и 22 таблицы. Список литературы включает 127 наименований.

Заключение диссертации по теме «Геофизика, геофизические методы поисков полезных ископаемых», Лаврик, Сергей Александрович

4.6. Выводы по главе 4

В четвертой главе проведено исследование разработанных алгоритмов и программного обеспечения при решении практических задач.

Проведен анализ разработанного алгоритма определения оптимальной структуры многослойной нейронной сети. Результаты показали, что данный алгоритм позволяет эффективно подбирать структуру МНС, которая будет использоваться для последующего обучения и прогнозирования фильтрационно-емкостных свойств коллектора.

Представлена методика анализа применимости и эффективности различных методов для определения информативного набора сейсмических атрибутов.

Получено решение задачи выбора информативного набора сейсмических атрибутов с применением многослойной нейронной сети. На основании этого решения можно сделать вывод, что это достаточно эффективный способ для уменьшения количества сейсмических атрибутов без потери существенной информации.

Получены результаты применения статистических методов по выбору информативного набора сейсмических атрибутов. С применением данных методов удалось уменьшить размерность исходного пространства сейсмических атрибутов. Полученные результаты прогноза параметра (эффективная мощность) являются достаточно устойчивыми, что подтверждается результатами корреляционных зависимостей и метода кросс-валидации.

Представлены результаты по работе экспертной системы. В результате применения экспертной системы удалось существенно снизить размерность исходного пространства сейсмических атрибутов. Полученные результаты прогноза по набору сейсмических атрибутов отобранного ЭС оказались одинаковыми с результатами прогноза по набору сейсмических атрибутов независимо отобранного геофизиками. При этом количество атрибутов, отобранное экспертной системой, оказалось меньше. Это свидетельствует о том, что набор сейсмических атрибутов, отобранный геофизиками, является избыточным.

Заключение

Проведенное исследование на тему «Выбор информативных сейсмических атрибутов на основе нейро-экспертной системы для оценки прогнозных параметров коллекторов» позволило сделать следующие выводы и привести следующие результаты:

1. В работе выполнен анализ отечественных и зарубежных работ связанных с определением информативных признаков, сейсмическими атрибутами, нейросетевыми технологиями и технологиями построения и разработки экспертных и гибридных систем.

2. Разработай алгоритм определения оптимальной структуры нейронной сети, обеспечивающий эффективное обучение нейронной сети с целыо прогнозирования фильтрационно-емкостпых свойств коллектора.

3. Проанализированы существующие статистические методы выбора информативных признаков, дана оценка их эффективности и применимости для решения прогнозных задач при поисках углеводородов. Было доказано, что применение этих методов позволило снизить размерность исходного пространства атрибутов без потери информативности. Полученные результаты прогноза параметра (эффективная мощность) с применением данных статистических методов являются достаточно устойчивыми, что подтверждается результатами корреляционных зависимостей и метода кросс-валидации. Также полученные результаты являются сопоставимыми с исходными данными, что подтверждается визуальным представлением полученных карт прогнозного параметра. Было выявлено, что методы главных компонент и факторного анализа оказались похожими с точки зрения результата. С одной стороны, это может говорить о том, что достаточно использовать один из этих методов при обработке набора сейсмических атрибутов. Но с другой стороны, другой набор сейсмических атрибутов может обладать своими (другими) функциональными зависимостями и каждый метод может выделить свои особенности исследуемого набора. Поэтому их совместное использование даст наибольшее представление об исследуемом наборе сейсмических атрибутов.

4. Показана эффективность применения алгоритма оценки значимости с помощью нейронной сети для решения задачи выбора информативных сейсмических атрибутов. Было доказано, что данный метод может достаточно эффективно применяться для уменьшения количества сейсмических атрибутов без потери существенной информации. Использование данного метода для тестовой площади позволило снизить количество атрибутов с 10 до 4. Проверка автором методики на других площадях позволило снизить количество атрибутов с17до4ис5доЗ [41,42].

5. Разработана модель гибридной нейро-экспертной системы отличительной особенностью, которой является:

S архитектура данной системы дает возможность добавления новых алгоритмов и методов для определения информативных признаков; S решение может быть получено на любом этапе применения данной модели.

6. Решена задача создания программных средств нейро-экспертной системы для оценки прогнозных параметров коллекторов, реализующей разработанные и предложенные алгоритмы и модели. Созданные программные средства защищены свидетельством о регистрации.

7. Все разработанные методы и алгоритмы были применены для решения реальных задач прогнозирования фильтрационно-емкостных свойств коллектора. Некоторые результаты включены в отчеты по обработке и интерпретации данных сейсморазведочпых работ.

8. Предложенная модель гибридной нейро-экспертной системы выбора информативных сейсмических атрибутов позволяет получать хорошие и устойчивые результаты при прогнозировании фильтрационно-емкостных свойств коллекторов, за счет совместного использования априорной геофизической информации и выявления численных закономерностей в имеющемся наборе данных. Что подтверждается представленными результатами.

9. Представлены дальнейшие пути развития диссертационных исследований, а именно осуществление ввода новых псевдо-экспертов (генетические алгоритмы, кросс-энтропийные методы и т.д.), пополнение базы знаний за счет привлечения дополнительной геолого-геофизической информации об изучаемых площадях.

Основные положения и результаты работы докладывались и обсуждались на конференциях:

1. 3-ей международной конференции «Геонауки - от новых идей к новым открытиям». Санкт-Петербург, 2008.

2. 10-й международной научно-практической конференции и выставке «Геомодель-2008». Геленджик, 2008.

Список литературы диссертационного исследования кандидат технических наук Лаврик, Сергей Александрович, 2009 год

1. Айвазян СЛ., Бухштабер В.М., Ешоков И.С., Мещалкин Л.Д. Прикладная статистика: Классификация и снижение размерности: Справ. изд./Под ред. Айвазяна С.А. М.: Финансы и статистика, 1989. - 607с.

2. Ампилов Ю.П., Артс Р. Применение анализа сейсмических параметров для исследования природных резервуаров углеводородов. Мурманск: Изд-во «Север», 2000,- 137 с.

3. Белонин М. Д., Голубева В. А., Скублов Г. Т. Факторный анализ в геологии. — М.: Недра, 1982.-269 с.

4. Бизли М. Девид. Язык прграммировапия Python. Справочник: Пер. с англ./Бизли М. Девид К.: Издательство «ДиаСофт», 2000. - 336с.

5. Бондарев В.И. Сейсморазведка: Учебник для вузов. В трех книгах. — Екатеринбург: Изд-во УГГУ, 2006.

6. Брилюк Д.В. Обучение, самоорганизация и эволюция как методы в искусственном интеллекте. Компьютерная газета, №45, 2000. — материалы с сайта http://msk.nestor.minsk.by/kg/2000/45/kg04514.html.

7. Брилюк Д.В., Старовойтов В. Распознавание человека по изображению лица и нейросетевые методы материалы с сайта http://daily.sec.ru/dailypblshow.clm?rid=5&pid=4425 &pos=l&stp=5.

8. Вапник В.Н., Глазкова Т.Г., Кощеев В.А., Михальский А.И., Червоненкис А.Я. Алгоритмы и программы восстановления зависимостей. М.: Наука, 1984. - 815 с.

9. Вороновский Г.К., и др. Генетические алгоритмы, искусственные нейронные сети и проблемы виртуальной реальности. — X.: ОСНОВА, 1997. 112 с.

10. Гаврилов А.В. Гибридные интеллектуальные системы. Новосибирск: НГТУ, 2003.

11. Гаврилов А.В., Новицкая Ю.В. Гибридные интеллектуальные системы. Международная Конференция «Информационные системы и Технологии» IST'2003. Новосибирск, 2003. Т. 3. с. 116-122.

12. Гаврилова Т.А., Хорошевский В.Ф. «Базы знаний интеллектуальных систем». -СПб.: Питер, 2000.

13. Головко В.А. Нейроинтеллект: Теория и применения. Книга 1 Организация и обучение нейронных сетей с прямыми и обратными связями. Брест: БПИ, 1999. — 260 с.

14. Горбань А.Н., Дунин-Барковский B.JL, Кирдин А.Н. и др. Нейроинформатика. -Новосибирск: Наука. Сибирское предприятие РАН, 1998.15.