基于集成學習的測井巖性識別模型的構建

鄒琪 何月順 楊希 章權

摘要：巖性識別不論是在地層評價，還是在油藏描述、鉆井監控等地質勘察工作中有著重要的作用。針對傳統基于測井響應方程的測井巖性識別方法效率低并且信息冗余等問題，本文提出了一種基于Stacking集成學習的測井巖性識別方法。該方法建立了一種以樸素貝葉斯、隨機森林、支持向量機三種模型作為初級訓練器，邏輯回歸模型作為次級訓練器的融合模型。該融合模型提高了測井巖性識別效率，實現了測井數據自動化處理，提高了地質勘察人員的工作效率。文中以鄂爾多斯盆地的鉆孔測井數據為訓練樣本，通過與其他機器學習模型的結果比較，該模型的預測結果與實際結果相比具有較好的一致性，識別率優于其他學習模型。

關鍵詞： 巖性識別; 集成學習; 融合模型; Stacking

【Abstract】 Lithology identification plays an important role in geological surveys such as stratigraphic evaluation， reservoir description and drilling monitoring. Aiming at the low efficiency and information redundancy of traditional logging lithology identification methods based on logging response equation， this paper proposes a logging lithology identification method based on Stacking in ensemble learning.This method establishes a fusion model with Naive Bayes， Random Forest， Support Vector Machine and Logistic Regression.Three machine learning models，Naive Bayes， Random Forest and Support Vector Machine are used as a primary training device to separately train the data，and then Logistic Regression model is used as a secondary learning device to predict.The fusion model improves the logging lithology identification efficiency， realizes automatic processing of logging data， and improves the working efficiency of geological survey personnel. In this paper， the borehole logging data of the Ordos Basin is used as the training sample.Compared with the results of other machine learning models， the prediction results of the model are better than the actual results， and the recognition rate is better than other learning models.

【Key words】 ?lithology identification; ensemble learning; fusion model; Stacking

0 引 言

地層巖性是指巖石顏色、成分、結構、特殊礦物等特征的總和，巖性識別是通過一些特定的方法來判定和區別巖性的過程。目前，測井巖性識別方法主要可以分為基于測井曲線響應特征的定性解釋方法[1]、基于測井響應方程的定量解釋方法[2]、圖版法[3]和基于機器學習的智能化方法[4-8]。定性解釋方法和圖版法的實施主要依賴于人員的實踐經驗和剖面的復雜度，人為因素影響較大;定量解釋方法相比于定性解釋方法可靠性更高，但其受限于地層礦物成分數量，對復雜巖性儲層的適用性較差[2];基于機器學習的巖石識別方法主要有聚類分析法、支持向量機方法和決策樹方法。聚類分析法對訓練樣本的要求為趨于無窮大，才會取得良好的效果，所以對于小樣本來說，該方法在識別中并不實用。支持向量機方法能較為準確地識別過渡巖性，且在實際巖性識別中有較好的效果，決策樹方法是一種符號學習方法，易于直觀理解，但上述機器學習方法都是單一學習方法，不能對錯誤樣本進行再學習。

本文提出一種基于Stacking集成學習方法的測井巖性識別模型，該模型融合隨機森林、支持向量機、樸素貝葉斯三種機器學習方法，并對鄂爾多斯盆地地層進行巖性識別，結果表明，該模型在識別準確率上與其他模型相比有明顯提升。

1 巖性識別現狀

巖性識別技術自20世紀90年代引入國內，其方法包括重磁、地震、遙感、測井、地球化學、電磁、手標本及薄片分析。巖石物性是指巖石三相組成部分的相對比例關系不同所表現的物理狀態，同時也代表著巖石的力學、熱學、電學、聲學、放射學等特性參數和物理量。區分和識別巖性的主要步驟就在于巖石物性的研究，密度、電導率、磁化率、波阻抗等在地質勘察工作中是經常用的巖石物性。測井資料往往存在著大量的地層巖性信息，這些信息是巖性識別的基本信息[9]。因此，在眾多巖性識別方法中，測井巖性識別方法是目前比較成熟的一種方法。

劉昊等人[10]針對實際儲層非均勻性，利用K-means聚類算法和DBSACN聚類算法對某盆地具有十維特征量的測井數據建立了巖性識別模型，提高了分類識別的準確度，識別效果更加接近儲層的真實特性。陳華等人[11]采用最小二乘支持向量機對孔隙度、滲透率和飽和度進行了預測，取得了良好的預測效果。胡劍策[12]將最小二乘支持向量機和主成分分析方法引入油氣儲層的識別和預測，提出了一種基于主成分分析的最小二乘支持向量機的預測模型，該模型的性能優于一些其他模型。溫志平等人[13]針對傳統神經網絡巖性識別模型存在收斂速度慢、難以選擇合適的網絡拓撲和學習參數問題，提出一種采用遞階遺傳染色體編碼方式并將具有非線性的Sigmoid函數引入到遺傳操作算子的自適應遞階遺傳優化神經網絡模型，從而減少了遺傳算法陷入早熟的幾率。江凱等人[14]以錄井資料和測井資料為基礎，優選自然伽馬、自然電位、沖洗帶電阻率、侵入帶電阻率、原狀地層電阻率、密度、補償中子、聲波時差8個測井屬性，使用Boosting Tree算法建立了巖性識別模型，并使用該模型對瑪北油田巖石進行識別，正確率優于決策樹、支持向量機等傳統機器學習方法。楊笑等人[15]為提高長嶺氣田火山巖巖性識別的準確率，采用決策樹、支持向量機、邏輯回歸、AdaBoost-決策樹、AdaBoost-支持向量機和AdaBoost-邏輯回歸6種算法對酸性火山巖巖性識別進行分類和識別，通過交叉驗證進行參數優化及模型評價，對比不同算法發現AdaBoost-決策樹算法的準確率最高。

目前基于集成學習的方法在巖性識別上的應用并不廣泛，大部分研究學者還是在單一機器學習模型之上進行研究和改進的。集成學習中的Stacking思想首先訓練出多個不同的模型，然后再以之前訓練的各個模型的輸出作為輸入來新訓練一個新的模型，換句話說，Stacking算法根據模型的輸出是允許改其他分類器的參數甚至結構的。

2 集成學習

集成學習是通過多個基分類器組合來完成學習任務并提高準確率的一種技術[16-17]。通過集成學習，集成學習器能獲得比單一學習器更優越的泛化性能，其原理是使用一定量的樣本來訓練多個弱學習器，再采用“少數服從多數”的投票法來選擇分類結果[18]。這樣即使一些學習器有錯誤時，也能通過多數學習器來糾正。集成學習一般可以分為用于減少方差的Bagging、用于減少偏差的Boosting和用于提升預測結果的Stacking三大類。

本文所采用的是用于提升預測結果的Stacking方法，其通過一個元分類器或元回歸器來整合多個分類模型或回歸模型。Stacking的工作流程如下：

（1）將訓練樣本分為N份訓練集和1份測試集來進行N折交叉驗證。

（2）用初級分類器對N-1份訓練集進行訓練，訓練之后的模型再對剩下的1份驗證集進行預測生成數據集ai（i<=N），此模型同時對測試集進行預測產生數據集bj（j<=N）。

（3）重復步驟（2）N次，產生a1，a2，...，aN和b1，b2，...，bN，將a1，a2，...，aN拼湊起來，記為Ai（i≤N），并對b1，b2，...，bN這部分數據相加取平均值，記為Bj（j≤N）。

（4）對每一個初級分類器進行步驟（2）和步驟（3）操作，得到新的訓練集A1，A2，...，AN和新的測試集B1，B2，...，BN。

（5）讓次級分類器對從步驟（4）中得到的訓練集和測試集分別進行訓練和預測，得到最后的預測結果。

3 模型的構建

本文選取了隨機森林、支持向量機、樸素貝葉斯三種機器學習模型為初級訓練器，以邏輯回歸模型為次級訓練器來進行樣本的學習訓練。文中采用了3折交叉驗證方法，將訓練集等分為3份，其中2份用來訓練學習，剩下1份進行驗證。文中使用隨機森林、支持向量機、樸素貝葉斯模型依次對訓練集中的樣本進行3折交叉驗證訓練后對測試集進預測，得出新的訓練集和測試集，然后使用邏輯回歸模型對新的訓練集學習訓練，最后將訓練后的模型對測試集進行預測，具體流程如圖1所示。

4 應用實例

4.1 樣本構建

本文選取鄂爾多斯盆地的鉆孔測井數據來驗證本文提出的融合模型的準確率。收集盆地中的1 729個樣本，其中包含泥巖、泥質粉砂巖、砂質泥巖三大類，這三類的樣本比例分別為59%，11.6%，29.4%，見表1。本文提取了自然伽馬（GR）、陣列感應電阻率（AT10、AT20、AT30、AT60、AT90）、縱橫波方式單極縱波時差（DT4P）、光電吸收截面指數（PEFL）、巖性密度（RHOM）和自然電位（SP）這幾條測井曲線作為分類參數，并將全部樣本中的1 210個樣本作為訓練集用于訓練巖性識別模型，519個樣本作為測試集來檢驗融合模型的巖性識別效果，同時將其結果與使用樸素貝葉斯、隨機森林、支持向量機的識別結果進行對比。

4.2 結果分析

樣本的每個特征屬性來源于不同的測量方法，量綱有所不同，因此，本文采用Sklearn庫中的StandardScaler類來進行數據的標準化和歸一化操作。本文實驗是在Python3.7下使用Sklearn和Pandas等庫進行實現的，IDE為PyCharm professional edition。硬件環境為Intel（R）Core（TM）i5-3230M CPU@2.60 GHz、8 GBRAM設備。本文采用3折交叉驗證方法依次對樸素貝葉斯、隨機森林、支持向量機三種巖性識別模型進行訓練，并對本文提出的融合模型訓練，不同模型的交叉驗證準確率見表2。對訓練后的模型在測試集上進行預測，不同模型的巖性預測結果見表3，最后對不同模型進行評估檢驗，結果見表4。

表2給出了不同模型在驗證集上的準確率，可以看出本文提出的融合模型在驗證集上的準確率基本穩定在0.85左右，準確率高于其他三種模型，證明該模型具有較強的穩定性。從表3中可以看出，本文提出的融合模型在泥巖識別的準確率到達了0.892，高于樸素貝葉斯的0.706和隨機森林的0.844，略低于支持向量機的0.897。在泥質粉砂巖這種小樣本的識別上，融合模型的準確率達到了0.907，精確率遠高于其他3種模型。對于砂質泥巖的識別準確率來說，融合模型的0.865高于樸素貝葉斯的0.447和支持向量機的0.801，稍微低于隨機森林的0.866。對于不同類別的巖性來說，融合模型的準確率基本維持在0.886左右，表明了融合模型有著較好的泛化能力，其準確率更是高于隨機森林、支持向量機、樸素貝葉斯三種模型的準確率。

表4比較了不同模型的評價指標，本文提出的融合模型與隨機森林、支持向量機、樸素貝葉斯比較得出泥巖、泥質粉砂巖、砂質泥巖最佳分類F1值分別為0.916、0.845、0.838，這些最佳F1值均來自融合模型，并且可以看出融合模型的平均F1值高于樸素貝葉斯30%左右，高于隨機森林10%左右，高于支持向量機6%，分類效果顯著提升。

5 結束語

本文主要研究了以地質大數據為背景下的基于集成學習中Stacking思想的測井巖性識別方法。首先介紹了巖性識別的相關方法，其中有傳統的基于礦物物性的測井巖性識別方法，也有基于機器學習的一些識別方法，比如支持向量機、神經網絡等。接著詳細敘述了隨機森林、支持向量機、樸素貝葉斯和集成學習等相關機器學習知識，并提出了一種基于集成學習中Stacking思想的融合模型，該模型融合了隨機森林、支持向量機和樸素貝葉斯三種機器學習模型。最后通過實驗，將本文提出的融合模型與隨機森林、支持向量機和樸素貝葉斯三種機器學習模型的巖性識別結果作對比，結果表明融合模型的巖性識別準確率高于其他三種模型，并且有著較強的泛化能力和穩定性。

本文提出的模型雖然在巖性識別率上優于其他三種基本機器學習模型，但沒有去嘗試融合多種優化過后的機器學習算法，這也為其他研究者提供了一個參考。

參考文獻

[1] 葉濤，韋阿娟，鄧輝，等. 基于常規測井資料的火山巖巖性識別方法研宄一以渤海海域中生界為例[J]. 地球物理學進展，2017，32（4）：1842.

[2]洪有密. 測井原理與綜合解釋[M]. 北京：中國石油大學出版社，2008.

[3]黃布宙，潘保芝. 松遼盆地北部深層火成巖測井響應特征及巖性劃分[J]. 石油物探，2001，40（3）：42.

[4]SEBTOSHEIKH M A， MOTAFAKKERFARD R， RIAHI M A，et al.Support vector machine method， a new technique for lithology prediction in an Iranian heterogeneous carbonate reservoir using petrophysical well logs[J].Carbonates and Evaporites， 2015，30（1）：59.

[5]石廣仁. 支持向量機在多地質因素分析中的應用[J]. 石油學報，2008，29（2）：195.

[6]KONAT A A，PAN Heping，FANG Sinan，et al. Capability of self-organizing map neural network in geophysical log data classification： Case study from the CCSD-MH[J]. Journal of Applied Geophysics，2015，118：37.

[7]SILVA A A，NETO I A L，MISSGIA R M，et al.Artificial neural networks to support petrographic classification of carbonate-siliciclastic rocks using well logs and textural information[J]. Journal of Applied Geophysics，2015，117：118.

[8]李洪奇，郭海峰，郭海敏，等.復雜儲層測井評價數據挖掘方法研究[J]. 石油學報，2009，30（4）：542.

[9]付光明，嚴加永，張昆，等. 巖性識別技術現狀與進展[J]. 地球物理學進展，2017，32（1）：26.

[10]劉昊，朱丹丹，陳冬，等. 基于聚類算法的巖性預分類方法研究[C]//2018 IPPTC國際石油石化技術會議論文集. 北京：西安華線網絡信息服務有限公司，2018：387.

[11]陳華，鄧少貴，范宜仁. 基于LS-SVM的測井物性參數的預測方法[J]. 計算機工程與應用，2007，43（23）：208.

[12]胡劍策. 基于PCA的LS-SVM預測模型應用[J]. 計算機系統應用，2012，21（6）：167.

[13]溫志平，方江雄，劉軍，等. 自適應遞階遺傳神經網絡測井巖性識別方法研究[J]. 東華理工大學學報（自然科學版），2017，40（4）：368.

[14]江凱，王守東，胡永靜，等. 基于Boosting Tree算法的測井巖性識別模型[J]. 測井技術，2018，42（4）：395.

[15]楊笑，王志章，周子勇，等. 基于參數優化AdaBoost算法的酸性火山巖巖性分類[J]. 石油學報，2019，40（4）：457.

[16]楊草原，劉大有，楊博，等. 聚類集成方法研究[J]. 計算機科學，2011，38（2）：166.

[17]張莉婷. 基于集成學習的工業產品質量控制方法研究[D]. 廣州：華南理工大學，2018.

[18]XUE Di，LI Jingmei，WU Weifei，et al. Homology analysis of malware based on ensemble learning and multifeatures[J]. PloS one，2019，14（8）：e0211373.