1 引言

岩性识别是油气勘探和工程中具有重要意义的储层表征任务, 是储层质量评价(孔隙度和渗透率)的基础^[1,2], 并可支持相关的地质研究和钻探活动(沉积模拟、有利区带预测和井规划). 测井作为一种有效的测量手段, 可以从地面地球物理测量中预测地下地层岩性. 测井资料包含丰富的地质信息, 是地层岩性和物性的综合反映^[3].

然而, 传统的测井解释严重依赖专业知识和人工经验, 劳动强度大、耗时长, 往往存在专家经验的主观性和不一致性^[4]. 由于非常规储层(碳酸盐岩、致密砂岩或砂砾岩储层^[5,6])地质条件的复杂性以及测井资料的多样性和数据量的增加, 传统的测井解释方法显示出很大的局限性. 因此, 研究人员正转向更先进的岩性识别方法.

机器学习技术已经被地质工程研究作为解决其面临的复杂且具有挑战性的问题的替代方法, 以实现自动化和提高效率. 随着算法、计算理论和硬件(图形处理器)进步, 机器学习在从大量数据中学习复杂模式和关系等方面显示出巨大的优势^[7,8]. 用于岩性识别的机器学习算法主要有两类, 无监督学习方法和有监督学习方法. 有监督学习方法主要是使用一组训练数据来学习特征和相应标签之间的关系, 并建立模型来预测以前未见的数据. 在利用测井资料进行岩性分类的研究中, 有监督学习算法比很多无监督学习算法有很大的优势^[8,9].

2 相关工作

Bressan等人^[10]将机器学习算法应用于来自国际海洋学计划(IODP)的海上威尔斯的多变量数据进行岩性识别. 为了更好地评估考察模型, 他们采用交叉验证用于4个机器学习模型的训练. 多层感知器(multilayer perceptron, MLP)和随机森林被选为最好的模型. Xie等人^[11]提出了一种用于多类别数据分类的机器学习框架, 以训练具有外部因素的石油科学数据集. 应用无监督机器学习方法来检测离群值, 并且使用4个集成模型来对两个数据集进行岩性分类. 最佳准确度在89%–91%之间. 潘少伟等人^[12]针对传统机器学习模型的不足提出使用XGBoost模型对岩性进行预测, 实验结果表明XGBoost模型能更好地对岩性进行分类. 并且因XGBoost模型因其训练稳定且计算效率高在岩性识别中得到了广泛的应用^[13–15]. 同时神经网络在岩性识别方面也具有良好的性能^[16].

之前的一些研究证明了机器学习方法在地质岩性识别中的适用性, 但仍存在一些不足. 如神经网络模型的训练需要大量时间并且对硬件要求较高, 导致模型训练成本较高^[12]. 当前用于储层岩性识别的机器学习模型容易忽略目标深度处的测井曲线信息, 同时忽略了测井曲线的变化趋势和储层岩性相关性, 导致模型分类效果不佳^[17,18].

为解决单一模型精度不足、神经网络模型训练时间长以及机器学习模型在数据特征学习方面的不足等问题, 本文提出双向记忆极端梯度提升BiXGB模型. 该模型使用BiLSTM网络作为特征提取模块, 更好的提取测井数据的空间特征. 使用XGBoost作为模型的最后一层, 通过学习BiLSTM提取的数据特征对储层岩性进行分类. 与传统的BiLSTM不同, 模型中BiLSTM没有全连接层, 减少了计算参数的数量, 不需要将权重从全连接层带回来重新调整前几层中的权重. 优化了模型的训练时间. 通过BiLSTM提取测井数据相关信息, 使得XGBoost可以学习到更多测井数据特征, 进而提高模型的分类效果. 通过与常用的岩性识别模型进行实验对比. 结果表明本文提出的BiXGB模型在岩性识别过程中具有更高的精度和效率, 这可以有效地帮助地质专业人员高效的识别储层岩性.

3 方法原理 3.1 BiLSTM

BiLSTM对传统长短期记忆神经网络(long short-term memory, LSTM)优化进行了改进^[19]. Hochreiter等人^[20]建立了LSTM模型, 有效地解决了传统递归神经网络的梯度爆炸或消失问题. 控制机制实现了信息的选择性传递; 在传统循环神经网络(recurrent neural network, RNN)的基础上引入遗忘门、输入门和输出门, 使模型在反向传播过程中保持较稳定的误差, 并能在多个时间步长上学习, 从而提高时间序列预测的精度. 其结构如图1所示.

LSTM模型的总体框架由输入门$ {x_t} $、单元状态${C_t}$、临时单元状态${C'_t}$、隐层状态${{{h}}_t}$、遗忘门${{{f}}_t}$、记忆门${{{i}}_t}$、时刻${{t}}$的输出门${{{o}}_t}$组成. LSTM的计算过程可以概括为: 通过遗忘单元状态中的信息并存储新的信息, 传递对后续计算有用的信息, 丢弃无用的信息, 并且在每个时间步${{{h}}_t}$输出隐层状态, 其中遗忘、存储和输出由遗忘门${{{f}}_t}$、记忆门${{{i}}_t}$以及最后时刻的隐层状态${{{h}}_{t - 1}}$和当前输入${{{x}}_t}$计算出的输出门$ {{{o}}_t} $控制.

BiLSTM由前向LSTM层和后向LSTM层组成. 两者都会影响输出, 既有利于前向序列信息的输入, 也有利于后向序列信息的输入. 它充分考虑了过去和未来的信息, 有利于进一步提高模型预测的精度. BiLSTM的结构如图2所示.

图2中${x_i}\;(i = 1, 2, \cdots, t)$对应时间输入的数据, ${{{h}}_i}\;(i = 1, 2, \cdots, t)$表示前向迭代的LSTM隐藏状态, ${{{H}}_i}\;(i = 1, 2, \cdots, t)$表示后向迭代的LSTM隐藏状态, ${{{Y}}_i}\;(i = 1, 2, \cdots, t)$表示对应的输出数据, ${w_i}\;(i = 1, 2, \cdots, 6)$表示每一层的权重, BiLSTM最终输出计算公式如下所示:

$ {{{h}}_i} = {f_1}({w_1}{x_i} + {w_2}{h_{i - 1}}) $

(1)

$ {{{H}}_i} = {f_2}({w_3}{x_i} + {w_5}{H_{i + 1}}) $

(2)

$ {{{Y}}_i} = {f_3}({w_4}{{{h}}_i} + {w_6}{H_i}) $

(3)

其中, ${{{f}}_1}, {f_2}, {f_3}$对应不同层的激活函数.

3.2 XGBoost

XGBoost是属于梯度提升决策树(gradient boosting decision tree, GBDT)的一种, 对原有GBDT方法进行了多重增强, 以提高效率和可扩展性^[21]. 这种机器学习方法通常用于数据的分类和回归. XGBoost是$K$个分类树或回归树的集合, 每个树都有$ K_{{E}}^{{i}}\;(i \in 1,\cdots,K) $个节点, 最后的预测结果是每个树的预测得分之和:

$ {\hat y_i} = \varphi ({x_i}) = \sum\limits_{k = 1}^k {{f_k}({x_i}), } \;{{{f}}_k} \in F $

(4)

其中, ${x_{{i}}}$是训练集数据, ${y_i}$是和训练集相对应的类标签, ${f_k}$是第k棵树的叶子分数, $F$是所有决策树的K评分(K-score)集合.

XGBoost算法的目标函数分为损失函数和正则项两部分. 损失函数描述了目标的预测值与真实值之间的差值. 正则项控制树的复杂性, 防止过拟合. 目标函数公式为:

$ \begin{split} {{\tilde \ell }^{(t)}} & \simeq \sum\limits_{i = 1}^n {\left[{g_i}{f_i}({x_i}) + \frac{1}{2}{h_i}f_i^2({x_i})\right] + \Omega ({f_t})} \\ & = \sum\limits_{i = 1}^n {\left[{g_i}{f_i}({x_i}) + \frac{1}{2}{h_i}f_i^2({x_i})\right] + \gamma T + \frac{1}{2}\lambda \sum\limits_{j = 1}^T {w_j^2} } \\ & = \sum\limits_{j = 1}^T {\left[\left(\sum\limits_{i \in {I_j}} {{g_i}} \right){w_j} + \frac{1}{2}\left(\sum\limits_{i \in {I_j}} {{h_i} + \lambda } \right)w_j^2\right] + \gamma T} \end{split} $

(5)

其中, ${{{I}}_j} = \{ i\mid q({x_i}) = j\} $表示叶子t的实例集.

$ {g_i} = \frac{{\partial l(\hat y_i^{(t - 1)}, {y_i})}}{{\partial \hat y_i^{(t - 1)}}} $

(6)

$ {h_i} = \frac{{{\partial ^2}l(\hat y_i^{(t - 1)}, {y_i})}}{{\partial {{(\hat y_i^{(t - 1)})}^2}}} $

(7)

损失函数一阶、二阶梯度统计量可定义为, 对所给树结构$q({x_i})$, 可以计算出叶子$j$的最优权重$w_j^*$, 目标函数的最优解.

$ w_j^* = - \frac{{\displaystyle\sum\nolimits_{i \in {I_j}} {{g_i}} }}{{\displaystyle\sum\nolimits_{i \in {I_j}} {{h_i} + \lambda } }} $

(8)

$ {\tilde \ell ^{(t)}}(q) = - \frac{1}{2}\sum\limits_{j = 1}^T {\frac{{{{\left(\displaystyle\sum\nolimits_{i \in {I_j}} {{g_i}} \right)}^2}}}{{\displaystyle\sum\nolimits_{i \in {I_j}} {{h_i}} + \lambda }}} + \gamma T $

(9)

3.3 BiXGB结构

XGBoost模型是一种集成学习模型具有良好的分类性能, 可以实现从测井数据中提取的特征进行岩性分类的任务, 具有较好的泛化能力和鲁棒性. 尽管XGBoost模型在储层岩性分类方面表现出色, 但由于无法提取测井数据中的序列特征, 因此在进行岩性识别时存在一定的局限性. 而BiLSTM能够双向提取测井数据中的序列特征, 更好地捕捉测井数据的正向和反向的依赖关系. 通过对特征信息进行选择性记忆和遗忘, BiLSTM能够准确地学习测井信息随深度变化趋势和前后相关性. 但由于BiLSTM是一种递归神经网络, 需要大量的计算资源和时间来训练和推理. 在处理大规模测井数据时, 导致训练时间过长或者无法满足实时性要求.

因此本文根据XGBoost和BiLSTM的特点, 提出了一种基于BiLSTM-XGBoost混合模型的储层岩性识别模型BiXGB, 模型的结构如图3所示.

BiXGB模型主要分为两部分: 一是数据的特征学习部分, 二是类标签预测部分. 特征学习部分主要包含输入层、数据预处理层以及双向时序网络层. 标签预测部分主要包含重塑层和类预测层.

3.3.1 特征学习

特征学习部分能够从训练数据集中学习到数据的关键特征. 模型的分类精度和有效的特征学习紧密相关.

输入层: 输入层是模型的第1层, 负责数据的输入. 数据集X由一元组($ {x_i}, {y_i} $)组成, 其中$i$数据集的索引. ${x_i}$是$M \times N$的特征矩阵, ${y_i}$是向量${x_i}$对应的类标签. 直接输入的数据一般不适合直接进行模型训练, 需要通过数据预处理层对数据进行处理, 转换成符合模型训练的数据格式.

数据预处理层: 在数据预处理层, 主要是对数据集进行归一化标准化处理, 计算公式如下:

$ {x'_i} = \frac{{{x_i} - u}}{\sigma } $

(10)

其中, $ u = \displaystyle\sum\limits_{i = 1}^N {{x_i}} ,\; \sigma = \displaystyle\sum\limits_{i = 1}^N {{{({x_i} - u)}^2}} $. 将处理后的数据转换为时序网络层需要的三维张量, 形状为(data_size, time_steps, input_features), 其中data_size表示样本数量, time_steps表示时间步长, input_features表示特征数量.

双向时序网络层: 主要是从输入数据中提取相关特征. 该层由双向长短期记忆(BiLSTM)神经网络和双曲正切(tanh)激活函数组成. BiLSTM具有选择性记忆和遗忘机制, 能够有效学习测井数据随深度变化的趋势以及数据前后相关性. 并且BiLSTM可以双向提取测井数据序列信息, 更好的收集测井数据的正向和反向依赖关系. 应用tanh激活函数可以引入非线性变换, 增加网络的表达能力和学习能力. 有助于BiLSTM网络更好地适应复杂的数据分布和提取特征.

3.3.2 类标签预测

数据通过双向时序网络层进行特征提取所得的特征信息是张量形式. 在输入到XGBoost分类器之前, 必须将张量通过重塑层转换为分类器需要的向量形式.

重塑层: 主要是将双向时序网络层输出的特征张量转换为类预测层所需的向量.

类预测层: 主要是使用XGBoost作为分类模块, 通过对重塑层传入的BiLSTM提取的特征数据进行学习来预测储层岩性. XGBoost作为强大的梯度提升算法, 能够有效地捕捉特征之间的非线性关系, 可以充分利用BiLSTM提取的测井数据特征.

输出层: 输出层通过类预测层得到分类结果. 然后将测试集输入训练好的模型进行分类, 生成分类结果.

3.4 BiXGB模型算法

在BiXGB算法中, BiLSTM特征提取模型和XGBoost分类模型同时训练. 首先使用BiLSTM对输入数据进行特征提取, 然后将提取到的特征传递给XGBoost分类模型进行训练和识别. 这种设计不仅减少了参数数量, 简化了算法结构, 并且不需要在全连接层进行反向传播. BiXGB算法具有自动特征学习能力, 通过使用BiLSTM网络进行特征提取, 能够自动学习测井曲线的变化趋势和储层岩性相关性, 提高了算法的泛化能力和适应性. BiXGB 可以在一次前向传播中完成特征学习和分类预测两个任务, 减少了冗余步骤和不必要的计算.

BiXGB模型训练流程见算法1. 假设$X = \{ ({x_i}, {y_i})| 1 \leqslant j \leqslant M\} $, 其中, $M$是数据集的大小, ${y_j}$是向量${x_j}$的类标签.

算法1. BiXGB分类算法

输入: 数据分类数据集$\scriptstyle {{T = {\textit{SS}}{\cup}QS{\cup}TS}}$(其中$\scriptstyle {{{\textit{SS}}}}$表示训练集, $\scriptstyle {{QS}}$表示验证集, $\scriptstyle {{TS}}$表示测试集).

输出: 测试集分类预测结果.

Step 1. 初始化数据集并将数据集输入模型中, 对数据集进行归一化标准化处理, 然后将处理好的数据转换为三维张量;

Step 2. 对处理好的数据集使用双向时序网络层进行特征提取, 得到训练集特征张量$\scriptstyle {{X\_{\mathrm{train}}}}$、验证集特征张量$\scriptstyle X\_{\mathrm{val}} $和测试集特征张量$ \scriptstyle {{X\_{\mathrm{test}}}} $;

Step 3. 将提取的数据特征进行重塑得到训练集特征向量$\scriptstyle {{X'\_{\mathrm{train}}}}$ 、验证集特征向量$ \scriptstyle {{X'\_{\mathrm{val}}}} $和测试集特征向量$ \scriptstyle {{X'\_{\mathrm{test}}}} $, 然后为分类预测层初始化数据集;

Step 4. 初始化XGBoost分类器;

Step 5. 将训练集和验证集通过重塑层得到的特征向量$\scriptstyle {{X'\_{\mathrm{train}}}}$和$ \scriptstyle {{X'\_{\mathrm{val}}}} $输入XGBoost分类器模型进行模型训练, 然后对$ \scriptstyle {{X'\_{\mathrm{test}}}} $进行分类预测, 得到分类预测结果.

4 实验及分析 4.1 数据集获取

实验首先获取某油田的测井曲线, 使用测井曲线解释软件获得测井数据, 在数据清洗后构建出该油田储层岩性的测井数据, 共有3345条测井数据如表1所示. 该地区岩性主要由粗粒砂岩、中粒砂岩、细粒砂岩、粉砂岩、泥质粉砂岩、粉砂质泥岩和泥岩组成, 分别用0、1、2、3、4、5、6表示. 用于训练分类模型的输入变量包括声波时差(AC)、井径(CAL)、伽马射线(GR)、钾(K)、电阻率(RD)、自然电位(SP).

为了验证模型对序列数据集的分类效果以及模型的实用性和准确性, 同时选用UCI中公开的Occupancy数据集^[22]进行实验, 该数据集于2016年被提出. 使用历史数据训练模型, 然后根据当前的环境参数来预测房间是否会被占用, 与测井数据的相同点是该数据集也是序列数据, 该数据包含6个属性, 时间、湿度、光照、二氧化碳以及湿度比, 包含2个类别, 分别是房子被占用和房子未被占用.

4.2 模型评估

对于分类模型的性能评估有很多种方式, 本文采用准确率、F1分数、AUC值以及召回率等指标对, 模型进行评价^[23]. 这些评价指标在计算的时候涉及真、假正例, 真、假负例, 混淆矩阵如表2所示.

准确率(Accuracy): 衡量所有预测正确的样本即模型输出结果类别与实际类别一致的样本占所有样本的比例.

$ Accuracy = \frac{{TN + TP}}{{TN + TP + FN + FP}} $

(11)

精确度(Precision): 用于衡量预测为正的实例中真正例的样本比例.

$ {{Precision}} = \frac{{TP}}{{TP + FP}} $

(12)

召回率(Recall): 代表了所有正样本中被正确预测的样本所占的比例, 召回率是评价分类器识别正样本能力的重要指标, 在分类器的性能评价中起到了至关重要的作用.

$ {{Recall}} = \frac{{TP}}{{TP + FN}} $

(13)

F1值: 是综合性的模型评价指标, 其数值为Recall和Precision的加权调和平均值. F1值越大分类效果越好.

$ {F1} = 2 \times \frac{{{{Precision}} \times {{Recall}}}}{{{{Precision}} + {{Recall}}}} $

(14)

AUC: AUC为ROC曲线下的面积, 因为ROC曲线通常不能指示哪个分类器更好, 而AUC是一个值, 模型的AUC值越大, 则该模型越好. AUC值通常在0.5和1之间浮动, 如果AUC小于0.5, 则表示模型的准确性低于随机结果, 如果AUC等于1, 则表明分类精度为100%.

4.3 模型训练

实验采用TensorFlow深度学习框架, 在CPU平台上运行, 运行内存为16 GB. 首先将数据按照训练集:验证集:测试集为6:2:2的比例进行划分, 然后将划分好的数据进行保存. 以保证实验中所有模型的训练均采用相同训练集、验证集和测试集.

实验中神经网络的参数设置, 两个BiLSTM神经网络层隐藏层神经元个数均为256, 激活函数为tanh, 学习率为$ 5 \times {10^{ - 4}} $, Dropout率为0.3, 使用交叉熵损失函数.

(1)岩性数据集分类

为了评估BiXGB分类模型在岩性数据分类上的性能, 实验选用支持向量机(support vector machine, SVM), 随机森林(random forest, RF)、XGBoost、BiLSTM与BiXGB几种分类方法进行分类效果对比, 实验结果如表3所示.

各模型在储层岩性数据集上实验结果的ROC曲线图如图4所示.

从表3和图4分析可知, BiXGB模型在岩性数据集下与XGBoost相比分类效果显著提高. 与BiLSTM相比本模型的训练时间更短, 分类效果也显著提高. 这表明使用BiLSTM进行数据的特征提取并用机器学习方法进行分类的方法可行性.

相较于传统的BiLSTM模型, BiXGB模型去除了全连接层, 减少了参数数量, 从而降低了模型的复杂性. 此外, XGBoost作为模型的最后一层, 能够有效地处理大规模数据集, 提升了整体模型的训练和推理速度. 由于去除了全连接层, BiXGB模型的训练时间相对较短, 提高了模型的实时性能. 在实际应用中, 地质专业人员可能需要对大量的测井数据进行岩性分类, 因此快速的训练过程可以节省时间和资源.

与传统的机器学习方法相比, 本模型的分类效果更好, 关键在于BiLSTM可以很好地提高学习的长期依赖性, 更好地提取数据特征. 并且XGBoost具有很好的数据分类能力以及较好的实时性, 本模型结合两个算法的优点从而有效地提高了模型在测井数据上的储层岩性分类准确度.

在此仅给出XGBoost和BiXGB模型的混淆矩阵用于对比模型在各种岩性上的识别准确率, 两个模型在岩性数据上的识别结果的混淆矩阵如图5所示. 由图5混淆矩阵可知, 本模型与XGBoost相比对储层各种岩性的识别准确率都得到了提升.

部分岩性识别效果如图6所示. 从图6中可以看出相较于单一的模型, 本文提出BiXGB模型对该研究区岩性的识别结果更符合真实研究区岩性分布情况.

(2) Occupancy数据集分类

为了验证模型的实用性和准确性, 研究中将BiXGB模型应用于Occupancy数据的分类问题中, 实验中同样选用支持向量机(SVM), 随机森林(RF)、XGBoost、BiLSTM与BiXGB几种分类方法进行分类效果对比实验结果如表4所示.

各模型在Occupancy数据集上实验结果的ROC曲线图如图7所示.

由表4和图7分析可知, 对于Occupancy数据集中的分类问题BiXGB模型也表现出了不错的分类效果, 结果表明本模型具有较好的准确性和稳定性.

5 结论

本文针对在储层岩性识别中单一模型精度不足、神经网络模型训练时间长以及机器学习模型在数据特征学习方面的不足等问题, 提出了一种基于BiLSTM-XGBoost混合模型的储层岩性识别模型BiXGB. 该模型通过在传统XGBoost的基础上引入BiLSTM作为特征提取模块, 提升了模型的特征提取能力, 使得模型在训练时可以学习到更丰富的测井数据特征. 在储层岩性数据集上测试精度达到了91.0%. 相较于传统的岩性识别模型拥有更高的准确性和稳定性. BiXGB模型为油气勘探领域提供了更高效、准确的储层岩性识别方法, 能够更好地满足油气勘探的实际需要.

在未来的研究中, 将进一步去解决储层岩性类别不均衡和测井数据量少导致某些岩性识别准确率不高的问题, 同时, 将研究一种智能优化算法, 用于优化模型参数, 进一步提升模型在储层岩性分类任务上的表现.