Розв’язання промислово-геофізичних задач класифікації методами штучних нейронних мереж та вейвлет-аналізу

Ключові слова: тренд, фільтрація, класифікація, простір ознак, штучна нейронна мережа, вейвлет-перетворення, геофізичні дослідження свердловин.

АННОТАЦИЯ

Тишаев И.В. Решение промыслово-геофизических задач классификации методами искусственных нейронных сетей и вейвлет-анализа. - Рукопись.

Диссертация на соискание научной степени кандидата физико-математических наук по специальности 04.00.05 - геологическая информатика. - Киевский национальный университет имени Тараса Шевченка, Киев, 2006.

Диссретация посвящена адаптации современных математических и кибернетических методов анализа данных для решения широкого класса классификационных задач, которые являются довольно типичными для промысловой геофизики. С этой целью в работе детально рассмотрены такие методы, как кластерный анализ, вейвлет-анализ и искусственные нейронные сети. Кроме того, проведен аналииз основных факторов, приводящих к искажениям первичных данных геофизических исследований скважин, на основании которого был выработан оптимальный граф предварительной обработки зарегистрированных данных, включающий в себя следующие процедуры: обязательное удаление тренда отдельно по каждому интервалу исследований; проведение цифровой фильтрации преобразованных данных с целью удаления высокочастотной (шумовой) составляющей сигнала; стыковка и увязка по глубине различных интервалов исследований с последующим центрированием и нормированием. Разработан новый способ построения признакового пространства, базирующийся на непрерывном вейвлет-преобразовании исследуемого сигнала. Суть предложенного способа заключается в выборе в качестве признаков, описывающих текущую точку разреза скважины, значений спектральных вейвлет-коэффициентов , . Такой подход делает возможным построение признакового пространства произвольной размерности для отдельно взятой реализации любого случайного процесса, причём в данном случае автоматически обеспечивается единость масштабов и физических трактовок отдельных признаков (вследствие сохранения нормы вейвлет-функции при её масштабных преобразованиях ). Для последующего выделение независимых признаков используется метод главных компонент. В рамках представленой работы были сформулированы и решены две, чрезвычайно актуальные в промысловой геофизике, задачи: задача идентификации аномалий, созданных одним источником и зафиксированных в разных реализациях одного и того же процесса; задача расчленения тонкослоистого разреза на отдельные пласты и пропластки по результатам проведения измерений в нефтяных и газовых скважинах микрометодами электрического каротажа и снятия отсчётов существенных значений измеряемой характеристики в пределах выделенных границ. Результаты продемонстрированы на реальных каротажных данных. Первая задача была решена с помощью разработанного нового метода статистической классификации. Особенность данного метода заключается в выборе в качестве критерия оптимальности разделения исходного множества объектов на конечное число классов частоты образования различных классов при многократном разбиении множества объектов на заданное число классов. Использование в качестве метрики обобщённого евклидового расстояния (махаланобисова расстояния) обеспечило независимость результатов классификации от величины межгрупповой дисперсии, что позволило успешно решать довольно нетривиальные задачи. Процедура решения второй из обозначенних задач базируется на широком использовании аппарата непрерывного вейвлет-преобразования совместно с нейросетевыми методиками. При практической реализации предлагаемого подхода был выработан следующий алгоритм: построение исходного набора векторов признаков, характеризующих обрабатываемый интервал разреза, с помощью непрерывного вейвлет-преобразования исходного ряда данных; формирование из полученного набора векторов обучающей выборки для обучения нейронной сети (классический прямоточный многослойный персептрон) на основании анализа поведения глобального спектра энергии вейвлет-преобразования на различных масштабах; обучение нейронной сети (методом обратного распространения ошибки); подача на вход обученной нейросети всех векторов признаков из исходного набора. В диссертации задача расчленения разреза на отдельные пласты была решена по результатам записи в скважине микроустановкой с автоматической фокусировкой тока. С целью более полного изучения возможностей нейроалгоритмов в этой области решение поставленой задачи было получено для двух принципиально различных архитектур нейросетей - многослойного персептрона и однослойной сети Кохоненна. При достаточно высокой степени повторяемости полученных результатов следует отметить, что более качественное решение было получено многослойным персептроном. В выводах, кроме констатации преимуществ и недостатков разработанных методик решения классификационных задач промысловой геофизики, подчёркивается направленность проведенных исследований на интеллектуализацию процесса обработки данных геофизических исследований скважин.

Ключевые слова: тренд, фильтрация, классификация, признаковое пространство, искусственная нейронная сеть, вейвлет-преобразование, геофизические исследования скважин.

SUMMARY

Tishaiev I.V. Classification tasks solution of development geophysics with the help of wavelet analysis and artificial neural networks. - the Manuscript.

The thesis for a competition academic status candidade of physico-mathematical science by speciality 04.00.05 - geological information science. - National Taras Shevchenko university of Kyiv, by Kyiv, 2006.

The thesis dedicated to adaptation modern mathematical and cybernetic methods of data analysis for solution many of the tasks of classification that are typical enough for petroleum geophysics. With that end in view in this work interrogated such methods as cluster analysis, wavelet analysis and artificial neural networks. Moreover thoroughly were analysed basic factors which led to corruption wells survey data, and on the basis of that were done optimal processing graph of data reduction. Were devised a new method to building of attribute space that is based on the continuous wavelet transform of the survey data, as a result of that automatically to provided for identity of scales and physical interpretations of individual attributes. Within the bounds of this work were formulated and solved development geophysics issues of current importance: identification problem of an aperiodicities that were done common source and registered during different realizations of the same process; partition problem of a thin-layer log on the separate beds as a results of execution of oil-gas wells survey by microresistivity laterlog and sizing the vital importances of measurand within the limits of reserviores. The first problem were solved with a help devised new method of statistical classification. The problem-solving method for a second problem were building on the wide application of a continue wavelet transform in common with an artifical neural network. A results were demonstratabled by the actual log data. In there are resume were underscored orientation of a effort had been developed for the to intellectualization of a log data-handling procedures.

Key words: trend, filtration, classification, attribute space, artificial neural network, wavelet transform, wells survey.

Размещено на Allbest.ru