基于模糊模式识别的贴近度法判别煤田测井岩性

2013-10-25连增增谭志祥邓喀中

测井技术 2013年3期

连增增，谭志祥，邓喀中

（1.河南理工大学矿山空间信息技术国家测绘地理信息局重点实验室，河南焦作 454000；2.中国矿业大学国土环境与灾害监测国家测绘局重点实验室，江苏徐州 221116）

0 引言

快速、准确地查明煤炭资源赋存规律，为煤炭开发建设提供可靠的地质依据，是煤田勘探技术发展的方向［1］。岩性解释是测井解释的基础，计算机自动岩性识别及自动分层定厚可提高解释速度、减少人为因素、降低工作人员劳动强度［2－4］。由于井下地质构造的复杂性和测井参数分布的模糊性，传统的岩性识别方法识别精度有限。因此，采用模糊模式识别方法研究比采用一般模式识别理论符合实际。

模糊模式识别指标准模型库中的模型是模糊的，或者有待识别的对象是模糊的，即识别方法是模糊的。用模糊模式识别对测井岩性参数分布等模糊现象进行分析，可以使分析结果尽可能客观，从而取得更好的实际效果。因此，本文运用模糊模式识别法，根据金衢盆地钱家构造某研究井的数据对岩性进行识别，并对比分析不同贴近度计算方法，求得最适合的贴近度方法，为今后进一步研究提供基础。

1 影响岩性识别的主要因素

作为模糊模式识别法的输入参数，测井资料的选择对于模糊模式识别的结果有很大的关系。测井曲线中包含丰富的岩性信息，不同的测井曲线对于岩性和地层有不同的区分度［5］。对岩性反映灵敏的测井曲线有自然电位（SP）、自然伽马（GR）、井径（CAL）、声波（AC）、微梯度（RLML）、微电位（RNML）、电阻率（Rt）等。测井参数观测值差异主要取决于岩性，即决定于组成岩石的矿物成分、结构和岩石孔隙中所含流体的性质；反之，对于一组特定的测井参数值，它就对应着地层中的某一种岩性［6］。

2 实验概况

在应用测井参数值识别岩性时，首先在分析研究区域内岩样和测井参数对应特征的基础上，划分研究区域岩样的岩性，研究区域内岩心的岩性分为荧光灰岩、泥质粉砂岩和砂砾屑灰岩［9］。从各类岩性的岩样中读取部分代表性岩样对应的测井参数值，确定岩性与测井参数的对应关系［10］。研究采用文献［11］中金衢盆地钱家构造某研究井的数据，选择自然伽马、声波、自然电位、井径、微梯度、微电位和电阻率等7项测井参数指示岩性（见表1）；岩性用1、2、3代表荧光灰岩、泥质粉砂岩、砂砾屑灰岩，待识别的岩性测试样本用0表示；运用模糊模式识别法进行岩性识别。

本文运用李鸿吉［12］编写的模糊识别软件进行岩性识别。

表1 岩性识别样本数据

3 实验结果及分析

3.1 求得标准模型

实验中，根据已知测井岩性数据并采用极差变换数据预处理方法，求得标准模型及需要识别的待定样本（见图1）。

3.2 计算贴近度

在模式识别问题中，被识别的对象往往不是论域中的一个确定的元素，而是论域的一个子集（普通子集或模糊子集），于是所涉及到的不是元素对集合的隶属关系，而是2个模糊子集之间的贴近程度。贴近度就是2个模糊集接近程度的度量，求贴近度的方法主要有格贴近度、海明贴近度、欧式贴近度、最大最小贴近度及算术平均最小贴近度。

根据求得的标准模型，分别计算9个待定样本与3个标准模型的贴近度（见图2）。分析图2可知，各个贴近度曲线总体形状相类似，都能较好地反映各个待定样本的岩性；在格贴近度曲线图中，待定样本与标准模型3的贴近度没有海明贴近度、欧式贴近度、最大最小贴近度及算术平均最小贴近度中的曲线起伏变化明显；在最大最小贴近度曲线图与算术平均最小贴近度曲线图中，待定样本7、8、9与标准模型2、3贴近度区分不明显。

从图2中还可以看出，不同岩性对同一贴近度计算方法的计算结果产生了突变现象，这既有理论模型本身的原因，也有实验数据方面的原因。除此之外，虽然相同岩性在同种贴近度计算方法的结果中显现了略微的不同。但是，对于预测的结果而言，还是可以满足需要。

图1 标准模型及待定样本

3.3 不同贴近度方法对结果影响及分析

根据求得的贴近度，可以判断待定样本的岩性（见表2），预测结果与实测结果完全一致。由于贴近度方法的不同，求出的贴近度值也是不一样的（见图3）。

图2 贴近度曲线

表2 岩性识别结果

图3 不同贴近度方法求得的最大贴近度曲线

由图3可见，虽然5种方法都能够识别出待定样本的岩性，但是海明贴近度法求得的结果较为稳定；格贴近度求得的1～6号样本最大贴近度较好，而7～9号样本的最大贴近度突然变小至0.75，变化起伏较大，数据不稳定；欧式贴近度法、最大最小贴近度法及算术平均最小贴近度法也都不如海明贴近度法。因此，海明贴近度方法最适合该岩性识别实验。