Кузнецов О.Л., Никитин А.А., Черемисина Е.Н. Геоинформатика и геоинформационные системы

Подождите немного. Документ загружается.

Оценка качества работы системы PROSPECTOR, так же как и для АС

комплексного анализа, проводилась путем анализа геологической информации

на уже открытых месторождениях. Кроме того, анализ геологических, геофизи-

ческих и геохимических данных на слабо изученной территории Маунт Толмаж

восточнее Вашингтона позволил системе предсказать наличие залежей молиб-

дена на конкретном участке. Однако применение системы в Казахстане для про-

гноза месторождений тех же типов полезных ископаемых оказалось не эффектив-

ным.

8.5. Экспертные системы в нефтегазовой геологии

Помимо решения прогнозных задач, другие экспертные системы в

геологоразведке предназначены для расчленения и корреляции разрезов

нефтегазовых скважин, построения фильтрационно-емкостной модели ре-

зервуара и модели флюидной системы [31].

Система INTELLOG предназначена для обработки и интегрирования

данных каротажа скважин.

Экспертная система INTELLOG включает в себя:

– базу данных, содержащую геолого-геофизическую информацию по

скважинам;

– пакет прикладных программ по обработке различных типов каро-

тажных данных;

– системный монитор, реализующий интерактивный режим обработ-

ки, а также ввод-вывод параметров и кривых каротажа.

Система предусматривает обработку в два этапа. Первый этап явля-

ется подготовительным, когда система запрашивает у пользователя необхо-

димые для дальнейшей обработки данные и рассчитывает на их основе ряд

вспомогательных параметров, используемых на втором этапе. На первом

этапе реализуются процедуры определения целевого интервала по скважи-

не, для которого проводятся расчеты по: нормализации входных данных,

поскольку каротажные кривые измерены в различных единицах и масшта-

бах; идентификации интервалов по скважине, для которых определение по-

ристости затруднено; определению глинистости; оценке качества полевых

материалов.

После процедур подготовительного этапа система приступает к обра-

ботке данных и определению количественных параметров по: уточнению

глинистости с использованием данных различных методов, определению

удельной пористости, водонасыщенности и литологического состава пород.

Наиболее эффективно система INTELLOG может быть использована

лишь при занесении в базу знаний результатов обработки данных кривых

каротажа, уже полученных квалифицированными специалистами – геофи-

зиками.

Экспертная система FACIES, созданная в ОАО «Центральная геофи-

зическая экспедиция», предназначена для реконструкции условий осадкона-

копления на основе данных каротажа и керна с учетом знаний решения та-

ких задач в сходных геолого-геофизических условиях.

В систему вводятся материалы обработки разреза скважины:

– показания методов каротажа, приведенных к стандартным условиям;

– результаты расчленения разреза на пласты;

– литологическая диагностика каждого пласта сего вещественным со-

ставом;

– вычисленные значения глинистости, пористости, водонасыщенности;

– данные о керне, увязанном с каротажными данными;

– сведения о технических параметрах ствола скважины;

В результате работы система делает заключение:

– о принадлежности анализируемого интервала разреза скважины к

комплексу фаций или определенной фации;

– о характере климата в период осадконакопления анализируемых

толщ;

– о вероятной гидродинамике среды осадконакопления.

Система FACIES способна идентифицировать 3 фациальных ком-

плекса, 12 фаций и 2 климатических режима.

Фирма Schlumberger использует экспертную систему Faciolog для

идентификации разных условий осадконакопления посредством перебора

180 характерных форм кривых–«электрофаций» по комплексу: гамма-гамма

каротажа; нейтронный каротаж; акустический каротаж; гамма-каротаж; ка-

ротаж сопротивлений и др.

Компания Elf (Франция) разработала ЭС ELFIN для оценки потенци-

альных ресурсов углеводородов.

Эта система основана на правилах, использующих нечеткий логиче-

ский вывод, а геологические факты в базе знаний могут иметь размытое

представление на основе теории нечетных множеств Л. Заде.

8.5.1 Экспертная система STEPCLASS

Система STEPCLASS [31], созданная в Великобритании, использова-

лась для построения ЭС в различных прикладных областях, включая ряд ди-

агностических геологических систем, описываемых ниже.

Эта система представляет собой функциональную среду для выявле-

ния знаний и проведения на их основе соответствующей экспертизы глав-

ным образом в задачах классификации.

В системе реализован новый подход к структуризации проблемной

области (формированию признакового пространства) и выявлению решаю-

щих правил эксперта с обеспечением их полноты и непротиворечивости в

рамках формируемой структуры.

Процесс выявления экспертных знаний при решении конкретной

прикладной задачи реализуется в системе STEPCLASS в два этапа: предва-

рительная структуризация проблемной области и собственно классификация

на основе знаний эксперта в рамках полученной структуры с возможностью

уточнения последней.

Этап предварительной структуризации.

На начальном этапе выявления знаний ставится задача определения

информации, необходимой эксперту для принятия решений, а именно:

1) на какие классы могут разделяться объекты данной проблемной

области;

2) как должны быть заданы эти объекты, чтобы по их описанию мож-

но было проводить их классификацию.

Определение списка классов – это, как правило, достаточно простая

задача для эксперта – специалиста в своей профессиональной области. Го-

раздо более сложной является задача формирования описаний. Поэтому в

системе SТЕРСLASS предусмотрено два режима выявления признаков, ис-

пользуемых для описания объектов. В первом режиме, называемом режи-

мом явной структуризации, эксперт вводит перечень вопросов, которые

следует задать, чтобы получить информацию об объекте, необходимую для

его классификации, и варианты возможных ответов на каждый вопрос. Для

каждого класса эксперт определяет также допустимость каждого из воз-

можных ответов. Сформированные экспертом вопросы соответствуют при-

знакам, которыми характеризуются объекты, а ответы на эти вопросы пред-

ставляют собой возможные значения этих признаков.

Если эксперт не может сразу в явном виде перечислить признаки и их

значения, он может воспользоваться режимом структуризации на примерах.

Эксперт вводит примеры объектов с указанием того, к каким классам эти

объекты относятся, а затем анализирует эти примеры, определяя: 1) какие

признаки объектов отражены в приведенных им примерах; 2) какими

могут быть значения этих признаков у других объектов, относящихся к

тому же классу, что и анализируемый объект; 3) какими могут быть зна-

чения указанных признаков у объектов других классов.

Заметим, что при проведении этапа структуризации в любом из режи-

мов нельзя гарантировать полноту сформированных экспертом списка клас-

сов, перечня признаков и их возможных значений. Более того, такая задача

и не ставится. Здесь выполняется лишь формирование некоторой базовой

структуры, которая либо может оказаться окончательной, либо потребует

расширения и корректировки на этапе классификации.

Этап классификации.

После выполнения этапа предварительной структуризации проблем-

ной области система STEPCLASS приступает к выявлению решающих правил

эксперта, т.е. к этапу классификации (рис. 8.5).

На этапе классификации ставится задача построения полной и непро-

тиворечивой совокупности решающих правил. Решающие правила эксперта

имеют вид продукций "если …

то...", где в левой части ("если") указывается

некоторая совокупность значений признаков, а в правой ("то") – соответст-

вующий ей класс.

Диагностирующие Правила Класс решений

признаки решения

1 12

2 12

3 2 12 3

; ...

R xx x

x R xx x P

R xx x





  

⇒< ⇒

  

  

−− −

  



Рис. 8.5. Схема формирования базы знаний партнерской системы в

системе STEPCLASS.

Под полнотой понимается следующее: для каждого гипотетиче-

ски возможного объекта, описываемого в рамках полученной структу-

ры, должно быть определено хотя бы одно классифицирующее его пра-

вило. Для каждого объекта может быть определено любое число пра-

вил, однако все правила, соответствующие одному и тому же объекту,

должны относить его к одному и тому же классу. Последнее условие и

означает непротиворечивость совокупности решающих правил.

Комбинации всех заданных значений признаков составляют

множество гипотетически возможных описаний объектов, подлежащих

классификации.

На основании информации о допустимости значений признаков

отдельным классам, полученной на этапе предварительной структури-

зации, для каждого объекта может быть определен список возможных

классов.

Определим следующие структурные правила:

1. Если для некоторого объекта список возможных классов пуст,

т.е. этот объект описывается значениями, которые в своей совокупно-

сти недопустимы ни для одного из заданных классов, то очевидно, что

этот объект не принадлежит ни одному из этих классов (либо объект

принадлежит неназванному классу, л ибо в его описание входят проти-

воречащие друг другу значения признаков).

2. Если для некоторого объекта список возможных классов состоит

только из одного класса, то очевидно, что этот объект принадлежит имен-

но этому классу.

Пусть для некоторого объекта выполняется одно из структурных

правил, тогда для его классификации, естественно, больше не нужна ни-

какая дополнительная информация от эксперта. Однако может оказаться

(что в реальных задачах встречается довольно часто), что только струк-

турных правил недостаточно для классификации всех гипотетически воз-

можных объектов, в связи с чем возникает необходимость выявления спе-

циальных решающих правил. Последовательным просмотром объектов из

их множества, начиная с первого, система находит такой объект, к кото-

рому нельзя применить структурное правило (список возможных для него

классов не пуст и включает больше одного класса). Выявление решающе-

го правила для этого объекта осуществляется посредством имитации про-

цесса принятия решения экспертом. Система "знает" всю информацию об

объекте (его описание в виде совокупности значений признаков), но выда-

ет эксперту лишь отдельный ее фрагмент (значение одного из признаков).

Эксперт может запрашивать у системы информацию об объекте до тех

пор, пока он не сможет его классифицировать. Если эксперт запрашивает

информацию о значениях признаков, уже известных системе, она выдает то

значение этого признака, которое входит в описание рассматриваемого объ-

екта. Если же такой информации эксперту недостаточно, он может либо от-

казаться от дальнейшего анализа объекта, либо сформулировать новый

признак, что приведет к расширению структуры задачи.

Когда в системе будет существовать хотя бы одно решающее правило

эксперта, сформированное описанным выше образом, то при поиске объек-

та, для которого должно быть сформулировано решающее правило, систе-

ма проверяет сначала выполнимость для него структурных правил, и если

структурные правила не позволяют классифицировать рассматриваемый

объект, то система определяет, применимо ли к нему хотя бы одно из уже

известных решающих правил (для этого левая часть правила должна со-

держать значения признаков, входящие в описание объекта). И только в том

случае, если для данного объекта не существует ни одного классифицирую-

щего его правила, система начинает дополнительный опрос эксперта.

Проверка правильности ответов эксперта.

При проведении экспертного опроса следует учитывать возможность"

появления ошибок в ответах эксперта. Поэтому в системе STEPCLASS пре-

дусмотрено несколько способов контроля за его ответами.

1. Когда эксперт формулирует правило при анализе некоторого объ-

екта, он может забыть, что конкретные значения каких-нибудь признаков,

не участвующих в правиле, могли бы изменить его решение. Поэтому сис-

тема просит эксперта подтвердить, что это правило будет справедливо для

любых ответов на вопросы, не заданные экспертом при анализе объекта.

2. Эксперт может сформулировать правило, в условие которого вхо-

дят значения признаков, ранее считавшиеся недопустимыми для назван-

ного класса. Информация, получаемая на этапе классификации, более

надежна, чем на этапе предварительной структуризации, поскольку она

получена при анализе конкретного объекта. В таком случае решение о не-

допустимости таких значений для данного класса отменяется. Кроме того,

система просит эксперта подтвердить, что это правило будет справедли-

во, если не учитываемый в нем признак будет иметь значения, недопусти-

мые для данного класса.

3.Наконец, очередное правило может противоречить другим прави-

лам, ранее определенным экспертом. Это противоречие может возникнуть,

например, по следующим причинам:

– среди конкретных значений признаков, участвующих в обоих правилах,

присутствуют взаимоисключающие друг друга значения;

– эксперт ошибся при формировании одного из правил (неправильно

классифицировал объект или не учел в правиле какие-то признаки).

Проверка на согласованность производится системой STEP-

CLASS после получения от эксперта очередного решающего правила. Если

обнаруживается, что данное правило противоречит какому-то из ранее опре-

деленных, оба эти правила предъявляются эксперту для анализа (т.е. выяс-

нения одной из перечисленных выше причин) и исправления.

Процесс выявления экспертных знаний в системе STEPCLASS

завершится, когда система обнаружит, что совокупность решающих пра-

вил оказывается полной в определенном выше смысле. После этого строит-

ся дерево решающих правил, обеспечивающее их рациональное представ-

ление и оптимальный поиск при проведении экспертизы.

Выявление экспертных знаний в задачах большой размерности.

Если прикладная задача имеет большую размерность, определяемую

числом всех гипотетически возможных описаний объектов, подлежащих

классификации, то выявление экспертных знаний на всем ее признаковом

пространстве оказывается практически невозможным за приемлемое время.

Кроме того, нельзя забывать об ограничениях, обусловленных объемом па-

мяти ЭВМ.

Выход заключается в декомпозиции такой задачи на несколько под-

задач с меньшим признаковым пространством, если природа задачи позво-

ляет это сделать.

В системе STEPCLASS предусмотрены два подхода к декомпозиции

задачи. Первый подход связан с группировкой признаков, а второй – с груп-

пировкой классов.

В рамках первого подхода производится анализ признаков с целью

формирования таких их групп, чтобы по значениям признаков каждой под-

группы (будем называть такие признаки первичными) эксперт мог вынести

некоторые предварительные заключения, которые будут играть роль значе-

ний новых агрегированных признаков и использоваться для результирующей

классификации вместе с остальными первичными признаками.

Отметим, что этот подход также оказывается полезным, когда значе-

ние признака вычисляется на основе конкретных значений других призна-

ков по некоторой формуле.

Во втором подходе эксперт начинает с "грубой" классификации объек-

тов, используя для этого значения лишь некоторых признаков и разнося объ-

екты по группам классов, а затем проводит классификацию объектов внут-

ри каждой группы, уточняя свои заключения с учетом значений других при-

знаков. Этот подход может быть реализован также посредством огрубления и

последующей детализации значений признаков.

Подзадачи, которые получаются в результате декомпозиции исходной

задачи с помощью этих двух подходов, могут быть в свою очередь декомпози-

рованы таким же образом, если этого требует их размерность.

8.5.2. Экспертная система FLUID для диагностики притоков

флюидов в разведочных скважинах

В последние годы в связи с открытием на больших глубинах залежей

УВ со сложным составом флюидов при высоких пластовых давлениях (>40

МПа) и температурах (>100°С) возникла проблема диагностики их фазового

состояния. Особенность этой проблемы заключается в том, что в распоряже-

нии специалистов имеется достаточно разнородная информация: данные

геофизических и промысловых исследований разведочных скважин; лабо-

раторные исследования глубинных и поверхностных проб; данные лабора-

торного моделирования флюидальной системы.

Получаемые данные часто бывают противоречивы, а их однозначная

интерпретация не всегда возможна. В связи с этим во многих случаях для

диагностики притока в разведочной скважине требуются специалисты вы-

сокой квалификации, число которых явно недостаточно, особенно, если

учесть, что число залежей со сложной флюидальной системой непрерывно

возрастает. Кроме того, в силу специфичности геологоразведочных работ

(разбросанность и удаленность объектов исследования) не всегда удается

привлечь экспертов для оперативного получения заключения. Существен-

ную помощь при проведении разведочных работ может оказать ЭС, ре-

шающая задачу диагностики флюидальной системы yа уровне высококва-

лифицированного специалиста. Такая система, получившая название FLU-

ID [31], была разработана на базе системы STEPLCLASS.