Нейрокомпьютерные способы прогноза состава и свойств пород.

Методика разработана специалистами отделения ЦГЭ, занимающимся развитием системы ИНПРЕС.

Применяются способ искусственной многослойной нейронной сети, представляющий собой многослойный сейсмический персептрон (МСП), и способ сетей Кохонена.

Описание МСП
Пример применения МСП
Примеры применения сети Кохонена
Поддержка - контакты

 
Описание МСП 
 
Многослойный сейсмический персептрон (МСП) - это искусственная многослойная нейронная сеть, основу которой составляют однотипные элементы (искусственные нейроны), обладающие группой синапсов - однонаправленных входных связей и единственной выходной связью, с которой сигнал поступает на синапсы нейронов следующего слоя. Каждый синапс характеризуется весовым коэффициентом.

В INPRES возможно свободно задавать архитектуру сети, то есть изменять количество слоёв и нейронов..

Рис. 1 Процесс нахождения оптимальных значений весовых коэффициентов при заданной архитектуре нейронной сети называется обучением нейронной сети. Для МСП обучение ведется с учителем, так как известны пары векторов (X,Y), например, в точках скважин нам известны значения как сейсмических атрибутов, так и петрофизических параметров. Для обучения МСП применяется алгоритм обратного распространения.

 В INPRES имеется возможность выбрать метод обучения:

• метод градиентного спуска (поиск локального минимума функции ошибок);
• метод градиентного спуска, дополненный методом имитационного аннилинга (увеличивается вероятность нахождения глобального минимума функции ошибок).
   
  Описание сетей Кохонена
   
  Сеть Кохонена состоит из входного слоя (например, значений сейсмических атрибутов), одного промежуточного слоя (слоя Кохонена) и выходного слоя. Входной слой содержит количество нейронов, равное количеству сейсмических атрибутов. Слой Кохонена содержит столько нейронов, сколько классов предполагается выделить. Выходной слой состоит из одного нейрона.

Алгоритм обучения Кохонена есть алгоритм обучения без учителя. Процесс обучения, как и в случае обучения с учителем (МСП), заключается в подстраивании весовых коэффициентов синапсов. Обучение сводится к минимизации разности между входными сигналами нейрона и весовыми коэффициентами его синапсов.

Подобные входные векторы активизируют подобные нейроны, т.е. Сеть Кохонена оказывается способной обобщать схожие векторы, относя их к одному классу.

После того, как каждой группе (классу) входных векторов поставлен в соответствие определённый нейрон слоя Кохонена, на выходе сети происходит классификация исходных данных.

Пример применения МСП

Прогноз петрофизических свойств
 
I этап - обучение

Рис. 2 В точках скважин известны значения эффективной толщины и сейсмических атрибутов (a). Для прогноза подобрана МСП с двумя скрытыми слоями, с пятью нейронами на одном скрытом слое и с тремя нейронами на втором. После обучения получена сеть с приведенными синаптическими весами (b).
 
II этап - прогнозирование

Рис. 3 На входе карты сейсмических атрибутов: интенсивности (a), импедансов (b) и мгновенных фаз (c). На выходе нейрокомпьютерного прогнозирования карта эффективной толщины (d).
 
Прогноз пористости по акустическим параметрам, определенным по данным сейсмической инверсии

Рис. 4  Cопоставление значений коэффициентов пористости Кп, рассчитанных по каротажу с прогнозными значениями, полученными с использованием нейрокомпьютерного моделирования. Обучение нейронной сети велось по акустическим параметрам только одной из двух скважин раздельно для карбонатных и терригенных отложений.

Примеры применения сети Кохонена

1. Сейсмофациальный анализ 3D

2. Результаты классификации исходных сейсмических атрибутов

Поддержка - контакты 
 
Контакты:
тел. (495)-192-6528, (495)-192-8132 факс: (495)-192-8088
e-mail: reklama@cge.ru; inpres@cge.ru