（地球探测与信息技术专业论文）基于粗糙集理论的沉积微相识别方法研究.pdf

基于粗糙集理论的沉积微相识别方法研究 学位论文完成日期： 指导教师签字： 答辩委员会成员签字： 耸三 独创声明 本人声明所呈交的学位论文是本人在导师指导下进行的研究工作及取得的 研究成果。据我所知，除了文中特别加以标注和致谢的地方外，论文中不包含其 他人已经发表或撰写过的研究成果，也不包含未获得 l 逵；垫遗直基丝益蔓挂型童明的：奎拦卫窒2 或其他教育机构的学位或证书使 用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明 确的说明并表示谢意。 学位论文作者硌到肌鸱字吼锄年月7 日 学位论文版权使用授权书 本学位论文作者完全了解学校有关保留、使用学位论文的规定，并同意以下 事项： 1 、学校有权保留并向国家有关部门或机构送交论文的复印件和磁盘，允许 论文被查阅和借阅。 2 、学校可以将学位论文的全部或部分内容编入有关数据库进行检索，可以 采用影印、缩印或扫描等复制手段保存、汇编学位论文。同时授权清华大学”中 国学术期刊( 光盘版) 电子杂志社”用于出版和编入c n k i 中国知识资源总库， 授权中国科学技术信息研究所将本学位论文收录到中国学位论文全文数据库。 ( 保密的学位论文在解密后适用本授权书) 擗：别懈新擗叫乏 签字日期嘶年多月7 日签字日期f 厶年月夕日 基于粗糙集理论的沉积微相识别方法研究 摘要 储层沉积相分析是储层描述和评价的基础工作，逐级分析到微环境和微相是 开发储层评价的关键之一。目前，沉积微相的识别主要根据岩心和测井资料进行 人工识别。这种识别方式不仅费时、费力、成本高，而且结果受主观因素影响较 大。因此，综合研究各种资料，分析岩电对比特征，提取特征参数，结合数学原 理，运用计算机技术，定量识别沉积微相类型已成为沉积微相识别研究的主要方 向。 针对沉积微相的特点，选取适当的算法是解决沉积微相识别问题的关键之 一。沉积微相类型具有模糊性、随机性以及在不同条件下的可变性，并且因资料 的掌握程度、内部关系、采集方法等方面的局限，因而定量识别沉积微相具有不 准确、不完备和相对不确定的特点。现行定量识别沉积微相类型主要有两类算法： 一是基于经典集合理论，该方法采用纯数学上的假设来消除或回避不精确性、不 完备性和不确定性，应用效果不理想；二是基于模糊集合理论，该方法较好地解 决了资料的不精确性、不完备性和不确定性等缺陷，但是无法计算含糊元素的具 体数目，不能确定哪些元素有用或冗余，且需要一些附加信息或先验知识，而这 些信息有时并不容易得到或存在很大的主观因素影响，这些缺陷限制了该方法的 应用。近年来出现的粗糙集理论作为一种数据分析处理理论，能有效地分析具有 不精确、不完整、不确定等特性的信息，还可以对数据进行分析和推理，从中发 现隐含的知识，揭示潜在的规律，为识别沉积微相提供了较好的理论依据。 基于粗糙集理论能够有效分析不精确、不完备、不确定信息，并且可以对信 息进一步分析、推理、挖掘，本文对粗糙集理论在沉积微相识别中的应用进行 了探索性研究。完成的主要研究内容包括： 1 、沉积微相识别参数提取。根据石油地质学、沉积学、测并学等学科的基 本原理，由沉积微相识别基本理论出发，依据区域地质资料，分析取心井资 料并进行岩电对比，确定研究区的沉积微相类型，根据各类微相的测井相特 征，定量计算测井特征参数，并建立提取沉积微相识别参数方法。 2 、沉积微相识别参数离散化。论述连续属性离散化的必要性以及粗糙集理 论属性离散化的主要方法，本文运用布尔逻辑和粗糙集理论相结合的离散化 算法对沉积微相识别参数进行离散化，离散化结果与人工识别经验值相一 致，取得了较理想的效果。 3 、识别参数约简与识别规则建立。将基于粗糙集理论的知识约简算法引入 沉积微相识别参数约简分析中，依据参数本身的特征，运用粗糙集理论，剔 除冗余参数，强化有效参数，排除依靠专家经验的主观因素；将基于粗糙集 理论识别规则建立的方法引入到沉积微相类型的识别，从新的思维角度和新 的算法出发，运用具有不精确、不完备和不确定特征的资料，探索识别沉积 微相的新方法新技术。 4 、软件编写与软件评价。编写自动识别软件，运用自动识别软件对研究区 进行沉积微相识别并取得较好效果。 实际应用证明，基于粗糙集理论的沉积微相识别算法具有较高正确率，是一 种有效、有潜力的算法。该方法还可以推广应用于盆地类型划分、岩性识别等其 他地质研究领域。最后对该方法的不足与改进进行分析，以期进一步提高识别的 准确率和效率。 关键词：沉积微相；粗糙集；离散化；约简；识别 r e s e a r c ho ns e dim e n t a r ymic r o f a cie sid e n tific a tio nb a s e d o nr o u g hs e tt h e o r y a b s t r a c t r e s e r v o i rs e d i m e n t a r yf a c i e sa n a l y s i si st h eb a s i cw o r kf o rr e s e r v o i rd e s c r i p t i o n a n d e v a l u a t i o n ，t h ek e y t oe v a l u a t e e x p l o i t a t i o n r e s e r v o i ri st o a n a l y s e m i c r o e n v i r o n m e n ta n dm i c r o f a c i e s n o w d a y s ，t h es e d i m e n t a r yf a c i e si d e n t i f i c a t i o n m e t h o di sm a i n l ya r t i f i c i a li d e n t i f i c a t i o na c c o r d i n gt oc o r ea n dl o g g i n gd a t a t h i s m e t h o di sn o to n l yt i m e - c o n s u m i n g ，l a b o r i o u s ，e x p e n s i v e ，b u ta l s ot h er e s u l t s i n f l u e n c e db ys u b j e c t i v ef a c t o r s t h em a i nr e s e a r c hm e t h o di sc o m p r e h e n s i v es t u d yo f a l lk i n d so fi n f o r m a t i o n ，a n a l y s i so fc o r ea n dl o g g i n gf e a t u r e s ，e x t r a c t i o no f p a r a m e t e r s ，c o m b i n e dw i t hm a t h e m a t i c a la n dc o m p u t e r f o rq u a n t i t a t i v ei d e n t i f i c a t i o n o n eo ft h ek e y st os o l v et h ei s s u eo fs e d i m e n t a r yf a c i e si d e n t i f i c a t i o ni st os e l e c t t h ea p p r o p r i a t ea l g o r i t h m m i c r o f a c i e st y p e sa r er a n d o m ，f u z z ya n dv a r i a b i l i t y , a n d r e s t r i c t e db yt h ee x t e n to ft h ea v a i l a b l ei n f o r m a t i o n ，i n t e r n a lr e l a t i o n s ，c o l l e c t i o n m e t h o d s ，s ot h a t ，q u a n t i t a t i v ei d e n t i f i c a t i o ni si n a c c u r a t e ，i n c o m p l e t ea n du n c e r t a i n t h ee x i s t i n gm e t h o d sh a v et w ot y p e s ：b a s e do nt h ec l a s s i c a ls e tt h e o r yt h a tu s i n gt h e a s s u m p t i o no fm a t h e m a t i c st o e l i m i n a t eo ra v o i di n a c c u r a c y , i n c o m p l e t e n e s sa n d u n c e r t a i n t y , t h er e s u l ti sn o ts a t i s f a c t o r y ；b a s e do nf u z z ys e tt h e o r yc a nr e s o l v et h e i n f o r m a t i o ni n a c c u r a c y , i n c o m p l e t e n e s sa n du n c e r t a i n t y , b u tt h em e t h o dc a nn o t c a l c u l a t et h ee x a c tn u m b e ro fa m b i g u o u se l e m e n t s ，c a nn o td e t e r m i n ew h i c he l e m e n t s a r eu s e f u lo rr e d u n d a n t , a n di tn e e d ss o m ea d d i t i o n a li n f o r m a t i o no rp r i o rk n o w l e d g e ， b u tt h i si n f o r m a t i o ni sn o ta l w a y se a s yt og e t ，o rt h e r ei sab i gs u b j e c t i v el e v e l ，t h e s e s h o r t c o m i n g sl i m i tt h ea p p l i c a t i o no f t h em e t h o d r o u g hs e tt h e o r yi sam a t h e m a t i c a l t o o lu s e dt oc h a r a c t e r i s ei n c o m p l e t e n e s sa n du n c e r t a i n t y t h a tc a ne f f e c t i v e l ya n a l y z e i n a c c u r a t e ，i n c o m p l e t ea n du n c e r t a i ni n f o r m a t i o n ，y o uc a na l s oa n a l y z ed a t aa n dd o r e a s o n i n g ，d i s c o v e r i n gh i d d e nk n o w l e d g ea n dr e v e a l i n gt h ep o t e n t i a l ，s oi ti sag o o d t h e o r yf o rt h ei d e n t i f i c a t i o no fs e d i m e n t a r yf a c i e s i nt h ep a p e r , r o u g hs e tt h e o r yi su s e dt oa n a l y s et h ei m p r e c i s e ，i n c o m p l e t ea n d u n c e r t a i nf e a t u r e so fi n f o r m a t i o ne f f e c t i v e l y , a n da l s oi t sa n a l y s i s ，r e a s o n i n g ，m i n i n g c a p a c i t ya b o u tt h et h e o r y , a tl a s tt h ee x p l o r a t o r yr e s e a r c ho nw h e t h e rt h et h e o r yc a nb e c a r r i e do u ti ni d e n t i f i c a t i o no fs e d i m e n t a r yf a c i e s t h em a i nc o n t e n t sc o n s i s to f ： 1 s e d i m e n t a r ym i c r o f a c i e si d e n t i f i c a t i o np a r a m e t e r se x t r a c t i o n a c c o r d i n gt o p e t r o l e u mg e o l o g y , s e d i m e n t o l o g y , l o g g i n gs e d i m e n t a r ya n do t h e rd i s c i p l i n e s ，u s eo f r e g i o n a lg e o l o g i c a ld a t a , a n a l y s ec o r i n gd a t aa n dc o n t r a s tl o g g i n gd a t a , t od e t e r m i n e t h em i c r o f a c i e st y p e s ，d e t e r m i n et h el o g g i n gt y p i c a l ，q u a n t i t a t i v ec a l c u l a t i o n ，a n dt h e n e s t a b l i s ham e t h o do fe x t r a c t i n gi d e n t i f i c a t i o np a r a m e t e r s 2s e d i m e n t a r ym i c r o f a c i e si d e n t i f i c a t i o np a r a m e t e rd i s c r e t i z a t i o n d i s c u s s e d t h en e e df o rd i s c r e t i z a t i o no fc o n t i n u o u sa t t r i b u t e sa n dt h ep r i m a r ym e t h o do f d i s p e r s i n ga t t r i b u t e sb yr o u g hs e tt h e o r y , t h i sp a p e ra p p l i e sb o o l e a nl o g i cc o m b i n e d w i t hr o u g hs e tt h e o r yt od i s c r e t es e d i m e n t a r ym i c r o f a c i e si d e n t i f i c a t i o np a r a m e t e r s 3i d e n t i f i c a t i o np a r a m e t e rr e d u c t i o na n dp a t t e r nr e c o g n i t i o n a p p l yr e d u c t i o n a l g o r i t h mb a s e do nr o u g hs e tt h e o r yt or e d u c t i o no fs e d i m e n t a r yf a c i e si d e n t i f i c a t i o n p a r a m e t e r s ，a c c o r d i n gt o f e a t u r e so ft h ep a r a m e t e r s ，e l i m i n a t et h er e d u n d a n t p a r a m e t e r s ，a n ds t r e n g t h e nt h ee f f e c t i v et o e x c l u d et h es u b j e c t i v ef a c t o r ；a n dt h e n p a u e r nr e c o g n i t i o nm e t h o db a s e do nr o u g hs e tt h e o r yw i l lb ei n t r o d u c e dt o t h e i d e n t i f i c a t i o no fm i c r o f a c i e st y p e s f r o man e wp e r s p e c t i v e ，t h ea l g o r i t h ms t a r t i n g w i t ht h eu s eo fd a t aw i t hi n a c c u r a t e ，i n c o m p l e t ea n du n c e r t a i nc h a r a c t e r i s t i c s ，e x p l o r e t h en e wm e t h o d sa n dn e wt e c h n o l o g i e so ft h ei d e n t i f i c a t i o no fs e d i m e n t a r yf a c i e s 4s o f t w a r e p r o g r a m m i n g a n d a n a l y s i s t h ep r e p a r a t i o n o fa u t o m a t i c r e c o g n i t i o ns o f t w a r e ，t h eu s eo f t h es o f t w a r et oi d e n t i f i c a t i o no fs e d i m e n t a r yf a c i e so f t h es t u d ya r e aa n dt h ea n a l y s i so ft h ea d v a n t a g e sa n dd i s a d v a n t a g e s 目录 0 1 1 日u 莓”1 1 1 研究目的及意义1 1 2 国内外研究现状2 1 2 1 沉积微相识别理论、方法的研究现状与趋势2 1 2 2 粗糙集理论及应用的研究现状与趋势4 1 3 研究内容及创新点。6 2 沉积微相识别原理及参数提取8 2 1 沉积相与测井相8 2 。2 测井相特征与参数提取1 0 2 2 1 测井资料求取形态参数1 1 2 2 2 测井资料求取物性参数1 4 2 3 三角洲各沉积微相的测井要素分析1 8 3 粗糙集理论与方法2 8 3 1 信息系统与不可分辨关系2 8 3 1 1 知识与分类2 8 3 1 2 信息系统2 9 3 1 3 不可分辨关系2 9 3 2 粗糙集合3 0 3 2 1 集合与集合的近似3 0 3 2 2 近似精度、粗糙度、粗糙隶属度3 2 3 3 知识约简3 4 3 3 1 一般约简3 5 3 3 2 相对约简3 6 3 4 决策表的约简3 6 4 沉积微相信息系统离散化方法3 8 4 1 离散化问题的描述及分类3 8 4 2 离散化算法4 0 4 2 1 连续属性的无监督离散化算法4 0 4 2 2 连续属性的有监督离散算法4 l 4 3 沉积微相识别参数离散化4 3 4 3 1 基于布尔逻辑的属性离散化算法4 3 4 3 2 布尔逻辑算法离散沉积微相识别数据4 9 5 沉积微相知识约简与识别规则建立。5 4 5 1 知识约简概述5 4 5 2 属性约简算法5 4 5 2 1 基于可辨识矩阵的约简算法5 4 5 2 2 基于属性重要性的启发式约简算法5 6 5 3 值约简算法。5 7 5 3 1 基于核值的值约简算法5 8 5 3 2 基于值频率的启发式的约简算法5 8 5 4 沉积微相信息系统的约简。5 9 5 4 1 基于属性频率的启发式约简算法5 9 5 4 2 启发式算法约简沉积微相信息系统6 l 5 5 识别规则建立6 3 6 软件编写与软件评价6 5 6 1 软件主要特点6 5 6 2 软件主要模块与基本操作6 5 6 3 应用效果分析7 l 7 结论与不足7 4 参考文献7 6 致谢8 0 个人简历8 1 发表的学术论文81 基于粗糙集理论的沉积微相识别方法研究 1 前言 1 1 研究目的及意义 随着油气田勘探开发程度不断提高，要寻找有利储集相带必须进行沉积相分 析。通过对沉积相研究，可以了解和研究地质时期的古地理面貌和盆地发展史， 进而研究有利于油气藏形成的特征和分布规律，指导石油勘探：沉积相研究还可 以指导研究储层物性结构以及砂体的空间展布情况，指导油田合理开发和剩余油 分析；在寻找隐蔽油气藏时，沉积相和沉积环境的研究意义更为重要【1 1 。近二十 年来，研究沉积相和沉积环境已经成为油气勘探开发所不可缺少的重要手段之 一o 储层沉积相分析最基础的工作是重建储层沉积时的古环境，确定储层的沉积 相；开发储层评价的关键是必须逐级分析到微环境和微相【2 】。常用的沉积微相识 别方法是在相模式和相序递变规律的指导下，通过观察岩心的岩石成分、结构和 沉积学参数来鉴别沉积环境和沉积相。岩心资料识别沉积微相准确性高，但是岩 心资料较为，稀缺限制了岩心识别沉积微相的适用范围。在细致岩心观察描述的 基础上，综合各种分析、鉴定资料，对取心井做出柱状图，并由此定出各种微相 的测井典型曲线，即测井相特征。沉积相特征与测井相特征之间的高度相关性为 运用丰富的测井资料识别沉积相类型提供了依据，并被广泛的应用证实了其可行 性。从早期的宏观解释到微观解释，从传统的定性识别到定量分析，充分运用地 质、地震、测井、油藏工程等资料，以岩心刻划测井资料为基础，依靠测井曲线 的多种信息所能反映的沉积层序、旋回特性、单砂层韵律、岩性组合、接触关系 以及砂体几何形态等特征，识别划分沉积微相已经成为当代沉积学、测井学研究 的重要课题之一。 计算机技术的快速发展，为定量识别沉积微柏类型提供了有利条件。各种算 法保证了智能识别技术的有效性，但是各种算法在识别技术中的准确程度、稳定 程度、运算时间等方面表现出很大差异。运用高效的算法编制成自动识别软件成 为识别沉积微相的关键技术之一。现行的定量识别沉积微相类型的算法主要分为 基于经典集合理论和基于模糊集合理论两大类【3 卅。由于资料的掌握程度、内部 基于粗糙集理论的沉私 微相识别方法研究 关系、采集方法等方面的局限，定量识别沉积微相所用到的资料具有不准确、不 完备和不确定的特点。基于经典集合理论的识别方法采用纯数学上的假设来消除 或回避不精确性、不完备性和不确定性，效果不理想；认真分析资料的不确定性 并对这些资料进行合适地处理，有助于定量识别沉秘微相。基于模糊集合理论的 识别理论较好地解决了资料的不精确性、不完备性和不确定性，但是基于模糊集 合理论的识别方法无法计算含糊元素的具体数目，不能确定哪些元素有用或冗 余，并且需要一些附加信息或先验知识，如模糊隶属函数、基本概率指派函数等， 而这些信息有时并不容易得到或存在很大的主观程度，这些缺陷限制了基于模糊 集合理论识别方法的应用。1 9 8 2 年，波兰科学家z p a w l a k 提出了粗糙集理论【5 】 它是一种刻划不完整性和不确定性的数学工具，能有效地分析不精确、不完备、 不确定等特性的信息，还可以对数据进行分析和推理，从中发现隐含的知识，揭 示潜在的规律【6 】，为识别沉积微相提供了较好的理论依据和方法技术。 本文基于石油地质学、沉积学、层序地层学、测井学等学科的基本原理，根 据区域地质情况，确定沉积微相类型；选取关键井进行岩电对比，提取沉积微 相识别参数；运用粗糙集离散化理论，将沉积微相识别参数离散化；运用粗糙 集知识约简算法，分析沉积微相识别参数，剔除冗余参数；运用粗糙集模式识 别理论，识别沉积微相类型；编写自动识别软件，实现基于粗糙集理论的沉积 微相类型软件识别，为沉积微相识别提供新方法。 1 2 国内外研究现状 1 2 1 沉积微相识别理论、方法的研究现状与趋势 1 6 6 9 年丹麦地质学家斯丹诺f n s t e n o ) 将相引入地质文献，认为相是一定地 质时期内地表某一部分的伞貌。1 8 3 8 年瑞士地质学家格利斯利( a g r e s s l y ) 在阿 尔卑斯的研究中，首先采用“相”表示岩石单位，他认为具有相同的岩石学特点和 古生物学特点的岩石单位，才能作为一个相【7 】。一百多年来，相的含义有过许多 变化，学者们对相有着各自不同的理解，至今没有统一起来。 在实际勘探中沉积相研究还是以人工划分为主，依靠经验分析，识别标准也 各不相同，相的划分因人而异，受制于划分者地质、测井、地震知识的掌握程度 2 基于粗糙集理论的沉积微相识别方法研究 i s 。 测井相分析源于5 0 年代，是由美国s h e l l - - p e c t e n 公司的工程师在研究 密西西比三角洲时提出的，主要利用自然电位曲线进行相分析；从此，自然电位 测井曲线在沉积环境和相分析中得到逐步推广，并由自然电位测井曲线扩展到其 它测井曲线。法国地质学家o s e r r a 于1 9 7 9 年提出了测井相的概念1 9 】；其目的 在于利用测井信息来解释和评价沉积微相。 测井相分析的基本原理就是从一组能反映地层特征的测井响应中，提取测井 曲线的变化特征，包括幅度特征、形态特征等以及其它测井解释结论，将地层剖 面划分为有限个测井相，用岩心分析等地质资料对这些测井相进行刻度，用数学 方法及知识推理确定各个测井相到地质相的映射转换关系，最终达到利用测井资 料来描述、研究地层沉积相的目的【3 】o 随着石油勘探和计算机技术的发展，开始采用计算机自动识别技术，其所具 有的快速定量、多而全的信息处理功能在测井沉积微相自动识别方面得到广泛应 用【3 1 。以测井资料定量识别沉积相为主，建立多资料多参数的沉积相自动识别系 统，是现代沉积相研究的一项重要内容f 4 1 。 现行的定量识别沉积微相类型的算法主要分为基于经典集合理论和基于模 糊集合理论两大类【1 0 1 。正如第一节所述，基于经典集合理论采用纯数学上的假 设来消除或回避不精确性、不完备性和不确定性，效果不理想：基于模糊集合理 论较好的解决了资料的不精确性、不完备性和不确定性，但是无法计算含糊元素 的具体数目，不能确定哪些元素有用或冗余，且需要一些资料的附加信息或先验 知识，而这些信息有时并不容易得到或存在很大的主观程度，这些缺陷限制了方 法的应用【。 沉积相分析有向纵横两方面并行发展的趋势。随着油田开发程度提高，纵向 上研究逐渐深入，精细地质研究成为重点，已开始砂层沉积微相的识别；横向上 由单一分析向综合研究发展。通常沉积相分析以测井曲线为主要资料，充分利用 和融合所有来源的各种信息，通过全方位的、多方面的特征分析，在纵向上的深 入和横向上的综合两方面实现沉积微相类型的识别i l 。 技术的进步和算法的提高对沉积相分析影响较大，它的发展要求减少人为的 片面性因素，达到较高的效率与精度；先进算法的应用研究成为识别沉积微相理 基于租糙集理论的沉积微相识别方法研究 论、方法研究的发展趋势。 1 2 2 粗糙集理论及应用的研究现状与趋势 波兰数学家z p a w l a k 于1 9 8 2 年提出了粗糙集理论( r o u g hs e tt h e o r y ) ，这是 一种新的数学理论，能有效地分析和处理不精确、不完备、不协调的信息，从中 发现隐含的知识，揭示潜在的规律。 最初关于粗糙集理论的研究成果大多是用波兰语发表的，因此在当时并没有 引起国际学术界的重视，研究地域也局限于东欧一些国家。直到8 0 年代末才开 始引起各国学者的注意，9 0 年代初，人们逐渐认识到它的重要性。1 9 9 1 年 z p a w | a k 出版了专著，系统全面地阐述了粗糙集理论，为其奠定了严密的数学基 础，该书与1 9 9 2 年出版的粗糙集理论应用专集系统地总结了这一时期粗糙集理 论与实践的研究成果，促进了它的进一步发展【1 2 】。 1 9 9 2 年在波兰k i e k r z 召开了第一届国际粗糙集研讨会，这次会议着重讨论 了集合近似定义的基本思想及应用。1 9 9 3 年在加拿大b a n f f 召开第二届国际粗 糙集理论与知识发现研讨会，这次会议积极推动了国际上对粗糙集理论与应用的 研究。1 9 9 5 年，a c mc o m m u n i c a t i o n 将粗糙集理论列为新浮现的计算机科学的 研究课题。1 9 9 6 年在日本东京召开了第五届国际粗糙集理论研讨会，推动了亚 洲地区对粗糙集理论与应用的研究【1 2 】。2 0 0 1 年5 月在重庆举行第一届中国粗糙 集理论与软计算学术研讨会，此后的八年，我国都会举办以粗糙集理论为主题的 研讨会。r s f d g r c 2 0 0 3 、i e e eg r c 2 0 0 5 、r s k t 2 0 0 6 、i f k t 2 0 0 8 、r s k t 2 0 0 8 、 i e e eg r c 2 0 0 8 等一系列国际学术会议也在中国召开。 近几年来，由于它在机器学习与知识发现、模式识别、数据挖掘、决策支持 与分析、专家系统、归纳推理等方面的广泛应用，现已成为一个热门的研究领域， 引起了越来越多的科研人员的关注。目前，粗糙集理论在一些应用领域取得了一 系列的成果【1 3 】。 二十多年来，许多研究者从不同角度对粗糙集理论进行了研究，涌现了大量 的研究成果，粗糙集理论也得到了不断的发展和完善。粗糙集理论的研究方向主 要表现在理论扩展、粗糙集理论与其他理论 4 基于粗糙集理论的沉积微相识别方法研究 个方面【1 4 】。 1 、粗糙集模型的扩展 1 5 j 6 p a w l a k 粗糙集模型中，研究的关系是等价关系，但是在实际应用中满足这 一关系是比较困难的；另外，该模型中，若要某个元素属于某集合的下近似，则 其等价类必须全部属于该集合，而该元素的等价类只要和集合有一个公共元素， 则该元素就属于集合的上近似，这样带来一些应用上的问题，从小规模信息系统 中得到的知识很难应用到大规模的信息系统中去，此外，对于含有噪声的数据进 行处理时，得到的规则知识往往存在泛化能力差的问题。为了拓展粗糙集理论的 应用范围，人们提出了多种形式的广义粗糙集模型。各种扩展粗糙集理论模型主 要也正是向着克服p a w l a k 粗糙集模型的这两个缺陷进行的，从而构造出不同的 粗糙集理论扩展模型。 将p a w l a k 粗糙集理论等价关系条件放宽，可以产生基于各种特定关系的粗 糙集模型。其中较有实际应用价值的是将等价关系放宽为相似关系，模糊粗糙集 理论就是一种基于相似关系的粗糙集理论模型。p a w l a k 粗糙集模型扩展研究是 理论、应用研究的热点。 2 、粗糙集理论与其他理论的关系及融合 粗糙集理论以集合论作为数学基础，有许多理论问题有待于澄清。目前，构 造性方法和公理化方法是粗糙集基础理论研究的主流方向。 从算子的观点看粗糙集理论，与之关系较密切的有算子代数、拓扑空间、数 理逻辑等。从构造性的观点看，它与概率论、模糊数学、证据理论、决策理论等 联系较为密切。粗糙集理论研究以这些理论作为基础，同时也反过来带动这些理 论的发展 1 7 - 2 2 】。 3 、算法的研究 粗糙集理论中算法的研究主要集中在约简的启发式算法、规则获取的增量式 算法以及粗糙集并行算法等方而【2 3 2 4 1 。 由于求取所有约简的算法是n p 问题，因此，约简的启发式算法是算法研究 的一个重要方向。另外，由于现实情况中数据具有很强的动态性，在数据发生变 基于租糙集理论的沉积微相识别方法研究 化时原有的规则可能不再有效，但是，又不希望从头重新生成规则，因此，研究 规则获取的增量式算法很有意义。还有，在面对高维海量数据的情形下，相关的 粗糙集并行算法也很值得进行深入地研究 2 s 】。 4 、粗糙集理论应用研究 目前，基于粗糙集理论的应用研究主要集中在知识获取、基于粗糙集的计算 智能算法研究等方面；这些方面的应用有基于粗糙集理论的模式识别、专家系统、 决策支持系统等领域；许多学者将粗糙集理论成功应用到了工业控制、地质科学、 医学卫生及生物科学、交通运输、农业科学、环境科学与环境保护管理、安全科 学、社会科学、航空、航天和军事等具体的工程领域【1 3 , 1 4 】。 1 3 研究内容及创新点 本文主要的工作包括沉积微相参数提取、连续属性离散化、知识约简和规 则建立、软件编写与分析等部分。具体内容由五大部分组成： 1 、沉积微相原理与识别参数提取。根据石油地质学、沉积学、测井学等学 科的基本原理，由沉积微相识别基本理论出发，依据区域地质情况，分析取心井 资料，岩电对比，确定研究区的沉积微相类型，依据各微相的测井相标志特征， 定量计算测井特征参数，并建立提取沉积微相识别参数方法。 2 、粗糙集理论基础。这部分内容从粗糙集理论的基本原理出发，论述粗糙 集理论的构架、粗糙集理论的初步应用，并建立沉积微相识别的知识系统。 3 、连续属性离散化。论述连续属性离散化的必要性以及主要方法，运用布 尔逻辑和粗糙集理论相结合的离散化算法对沉积微相识别参数进行离散化。 4 、识别参数约简与规则建立。运用粗糙集知识约简算法，优化沉积微相识 别参数，剔除冗余参数。运用粗糙集规则建立理论，建立识别沉积微相的算法， 用于软件编写。 5 、软件编写与分析。编写自动识别软件，介绍软件的基本功能，运用自动 识别软件完成研究区沉积微相识别工作并分析软件识别沉积微相的准确率。 本文的创新点主要体现在： 1 、引入基于布尔逻辑的属性离散化方法对沉积微相参数离散化，离散化结 6 基于j | i 糙集理论的沉积微相识别方法研究 果与人工识别经验值相一致，取得了较理想的效果，为粗糙集理论识别沉积微相 或者其他方法识别沉积微相提供了有别于经验值的断点方法。 2 、引入运用基于值频率的启发式的约简算法对沉积微相参数约简，得到较 为准确约简结果；约简结果形式简洁，容易应用于规则提取。这种方法为沉积微 相识别资料评价、效率分析、规则建立提供了新的思路。 3 、基于粗糙集理论编写出识别精度高、界面友好、人机互动方便的识别软 件，实现了识别沉积微相智能化。 7 幕于辑l 糙集理论的沉积微相识别方法研究 2 沉积微相识别原理及参数提取 2 1 沉积相与测并相 通常，人们把沉积环境与发生沉积作用的一定地貌单元，如冲积扇、河流、 湖泊、三角洲等相联系，并把沉积环境理解为在这样一个地貌单元中形成的具有 特征沉积的一系列物理条件、生物条件和化学条件的总和【2 由2 7 1 。由于现代沉积研 究工作的开展，古代沉积环境资料的积累，以及室内模拟实验的深入，人们对沉 积环境及其沉积作用有了更全面的了解，有可能对某种沉积环境进行全面的概 括，从而提出了“沉积( 相) 模式”的概念。沉积( 相) 模式是对沉积特征、发展 演化及其空间组合形式的全面概括，表示方式通常有图形和文字【2 引。例如，图 2 1 为三角洲沉积的相模式的示意图。 析 掌 可 微 基于粗糙集理论的沉积微相识别方法研究 物化石、地球化学等 2 9 , 3 0 1 。 测井相中数据向量的每一维都可称作一个测井相标志，而沉积相标志主要用 来确定沉积相的一个观察描述特征，这两种相标志之间不存在一一对应关系，尤 其是古生物、地化指标等描述在测井资料中不可能确定；但在已知特定油气田地 质背景时，可以经过统计、知识推理找到识别亚相、微相组合的对应关系，这种 关系就是所谓的解释模型【3 1 】。为了实现测井资料在沉积相标志刻度下的沉积亚 相、微相识别，必须抓住“岩心刻度测井”这个中心环节，进行反复刻度和反演， 总结出针对不同沉积亚相、微相的测井相标志，用于确定测井沉积相 3 2 - 3 4 】，如 图2 2 、图2 3 所示。 x l1 2 一j 3 7 5 单井相分析 图2 2 测井相与地质相解释模型 9 摹于糨糙集理论的沉积微相识别方法研究 2 2 测井相特征与参数提取 图2 3 储层测井相解释图 沉积相分析方法的选取依赖于地下地质资料的类型和信息的丰度。地层沉积 总是在一定环境下形成的，各种沉积环境的水动力条件决定着岩石的物理性质， 测井曲线即是这些物理性质的综合反应。与其它地质资料相比，测井资料具有信 息量大，纵向连续，横向可比性强等特点 3 5 , 3 6 。利用测井资料研究沉积相的关键 就在于扩大测井资料反映沉积相特征的丰度【3 6 ，3 7 1 。测井资料可以求取两类参数： 形态类参数、物性类参数，下文详细介绍求取方法。 1 n 基于粗糙集理论的沉积微相识别方法研究 2 2 1 测井资料求取形态参数 3 1 3 3 , 3 8 - 4 0 通过计算可以得到以下反映沉积相的形态类的参数，下文详细介绍参数求取 方法。 1 、幅度 测井曲线幅度受地层的岩性、厚度、流体性质等因素控制，可以反映出沉积 物粒度、分选性及泥质含量等。一般对于颗粒粗、渗透性好的砂岩，具有高自然 电位负异常和低自然伽马特征；对于细粒沉积物，如泥岩、泥质粉砂岩等具有低 自然电位幅度、高自然伽马特征。 设测井序列为q ( f = 1 ，即) ，则平均幅度计算公式为： 1 亡 彳2 1 2 艺，= 1 q ( 2 1 ) 2 、幅度差 幅度差较好的反应了微相的岩性类型，对微相的划分有较好的区分度。 平均幅度差的求取公式为： 石：学曹州， 4 = 旦i 一= 二乙( q 一4 ) 啊 叫 面积加权平均幅度差： 一( 吩彳) ( q 一4 ) 2 a 5 = 爿一= 掣卜一 ( 红4 ) ( q - 4 ) ( 2 2 ) ( 2 3 ) 当测井为单条曲线即上述情况中无4 仅有a l 时，可令上述二式中的4 = 0 ， 即可得到点幅度、厚度加权及面积加权平均幅度。或用平均中位数表示： a m = 0 5 ( a + m e l ( 2 4 ) 式中：口、m e 分别为数据序列的算术平均数和中位数。 3 、厚度 厚度是单一曲线形态的垂向幅度，反映了地层的沉积速率和物源供应情况。 基于租糙集理论的沉积微相识别方法研究 厚度大通常表示沉积物源充足。 h = 一向 式中：为沉积层底部深度，囊为沉积层项部深