【正文】 經(jīng)網(wǎng)絡模型它每層的權值都可以通過學習來調(diào)整，可以有二個或以上的中間層，當給定一個輸入模式時，輸入信號由輸入層到輸出層的傳遞是一個前向傳播的過程，如果輸出信號與期望信號有差別，即存在誤差，那么就轉入誤差反向傳播的過程，并根據(jù)各層誤差的大小來調(diào)節(jié)各層的權值。盡管從學習的角度看，信息的傳播是雙向的，但BP網(wǎng)絡的結構仍是單向的，不存在信息的反饋．所以它仍然是一種前向型網(wǎng)絡。在網(wǎng)絡設計中，為了提高網(wǎng)絡的穩(wěn)定性及其網(wǎng)絡訓練速度，在程序中使用了附加動量法和自適應學習速率訓練網(wǎng)絡。我們借助MATLAB功能強大的神經(jīng)網(wǎng)絡工具箱和其便捷的矩陣運算能力可以方便的實現(xiàn)上述功能。我們選取了濟陽坳陷東營凹陷的勝坨油田的一個斷塊作為研究工區(qū)，該斷塊北側為一傾向向南的正斷層，南側為兩條小的向北傾斜的次級斷層。主要的研究層系是新生界下第三系砂河街組中的沙三段和沙四段。沙三段上部主要為灰色含礫砂巖、砂巖夾泥巖和少量碳質泥巖，產(chǎn)介形類。中部主要為深灰色泥巖夾泥灰?guī)r和淺灰色不等粒含礫砂巖，含介形類。下部主要為深灰色、棕褐色泥巖、鈣質泥巖和油頁巖，夾少量粉砂巖，產(chǎn)介形類。沙四段有的區(qū)域為白云巖，灰?guī)r，或者油頁巖，有的區(qū)域有大量的砂礫巖，礫巖。我們首先利用特殊處理的三維地震剖面、測井、巖心、試油試采等資料，從單井高分辨率層序地層單元研究為出發(fā)，對勝北斷層下降盤一側的層序Ⅰ—Ⅲ內(nèi)部的高分辨率層序地層單元進行了詳細的劃分和對比。通過人工劃分之后，我們考慮建立該區(qū)的神經(jīng)網(wǎng)絡識別的訓練模型。根據(jù)兩類準層序模型，我們將模型的鏈碼＋振幅作為樣本的輸入，輸出樣本為對應的兩類（如表3－2）。表3－2神經(jīng)網(wǎng)絡識別模式的訓練模型模型樣本輸入樣本輸出鏈碼振幅模型一132234223265444322211000000000模型二222100224411122344320000000001采用的BP網(wǎng)絡為3層結構，輸入節(jié)點為1，隱層節(jié)點為5，輸出節(jié)點為1。，最大訓練次數(shù)為5000，訓練允許誤差為10－5。隱層各節(jié)點對輸入的響應函數(shù)為S形函數(shù)，即 （3－12）其中x是節(jié)點的輸入，b為調(diào)整闕值，對于隱層有 （O1為鏈碼方向，O2為振幅）；W為節(jié)點間的連接權值。輸出層節(jié)點對隱層的響應函數(shù)為線性傳遞函數(shù)，設網(wǎng)絡的輸出為，所要求的目標輸出為，則誤差能量構成了目標函數(shù)。網(wǎng)絡訓練的過程就是不斷的修改連接權值、和闕值b，使得誤差能量達到滿意值或達到最大訓練次數(shù)。連接權值和闕值的修正量由梯度下降法導出。對于輸出層，有 （3－13）對于隱層，有 （3－14）為學習速率。 由于采用梯度下降法訓練時間長，而且容易陷入收斂于局部最小值。因此，我們這里采用了自適應學習速率法。自適應調(diào)整學習速率有利于縮短學習時間。標準BP算法收斂速度慢的重要原因是學習速率選擇不當，學習速率選得太小，收斂太慢；學習速率選取得太大，則有可能修正過頭，導致發(fā)散。自適應調(diào)整的改進算法將其權重和閾值（b）更新公式為： （3－15）其中k為訓練次數(shù)，是動量因子，是學習速率，是k的變量，為誤差函數(shù)。調(diào)整學習速率的準則是：檢查權重的修正值是否真正降低了誤差函數(shù)，如果確實如此，則說明所選取的學習速率值小了，可以對其增加一個量；若不是這樣，而產(chǎn)生了過調(diào)，那么就應減小學習速率的值。自適應學習速率的調(diào)整公式為： （3－16）其中，mse為均方差，初始學習速率的選取范圍可以有很大的隨意性。利用上述網(wǎng)絡對兩種模型進行重復訓練，模型一訓練1367次達到允許誤差，模型二訓練84次達到允許誤差。訓練好網(wǎng)絡之后，我們對坨76和坨715井的自然電位測井數(shù)據(jù)在通過鏈碼轉換之后進行了識別分析，結果如表2－3。從識別的結果可以看出，網(wǎng)絡識別與人工識別的結果有很好的一致性。只有在坨76井在沙三段層序Ⅰ的進積式準層序組中準層序Ⅲ、退積式準層序組中的準層序Ⅰ、Ⅱ和坨715井沙三段層序Ⅰ的進積式準層序組中準層序Ⅳ、退積式準層序組中的準層序Ⅳ未能識別出。對照測井曲線可以看出在這些界面處，測井曲線的變化特征往往不是很明顯。如在坨715井退積式準層序組準層序Ⅳ中測井曲線幅度變化都比較平穩(wěn)。因此，僅僅通過測井曲線的處理是很難識別出的，在研究中還必須綜合考慮巖心、地震等資料才能達到正確劃分層序地層單元的目的。表3－3 網(wǎng)絡訓練識別結果井名準層序組類型準層序單元人工識別網(wǎng)絡識別坨76（沙三段 層序Ⅰ）進積Ps5Ps42992Ps33025 未識別Ps23034Ps1退積Ps43082Ps3Ps2未識別Ps1未識別加積Ps131913191坨715（沙三段 層序Ⅰ）進積Ps5Ps43038未識別Ps3Ps23122Ps1退積Ps5Ps4未識別Ps33175Ps23204Ps1加積Ps13250時頻分析是將頻率域信息和時間域信息聯(lián)系起來進行信號分析的方法，其實質就是利用多檔濾波掃描，采用零相位三角形濾波器和遞歸濾波算法對輸入地震道或一段剖面或一條聲波測井曲線(多選自然伽馬曲線)做由低頻到高頻的濾波掃描，每次掃描后產(chǎn)生一個輸出記錄，再把若干個濾波器的輸出按頻率由低到高排列形成時頻分析柱狀圖。這一方法為層序地層單元的識別和準層序疊置型式的研究提供了重要的手段。根據(jù)地震道或一段剖面所得結果有助于三級層序界面的識別(圖3－13)；根據(jù)一條聲波測井曲線(多選自然伽馬曲線)所得結果有助于高頻層序地層單元的識別。對測井曲線進行的頻譜分析由于其變化與米蘭柯維奇旋回等級具有相似性，因此又稱為米蘭柯維奇旋回分析。實際上，小波分析方法也是時頻分析的一種方法，它克服了富式變換不能解決研究局部問題的困難和短時富式變換分辨率較低的缺點。小波分析方法在測井層序劃分中的應用在前面已經(jīng)討論過，在地震資料的層序劃分中時頻分析方法有許多學者作了很多相關的工作。董臣強[57]等利用時頻分析技術對三角洲砂體的沉積層序進行了劃分，確定了三角洲發(fā)育的頂積層并確定了頂積層剝蝕線的位置。石萬忠等[58]通過時頻分析的旋回性，依據(jù)層序地層學的基本原理，把近距離多個點的時頻分析圖組合起來進行研究(就如同連井對比一樣)，并根據(jù)短期基準面旋回、中期基準面旋回或長期基準面旋回的變化規(guī)律來確定層序的界面。(1)如果疊置于長期基準面旋回上的中期旋回(或疊置于中期基準面旋回上的短期旋回)呈退積進積對稱型，那么，旋回對稱軸是在上升到下降的轉換位置處，該位置也是洪泛面的位置，層序的邊界不可能在該旋回的邊界。(2)如果疊置于長期基準面旋回上的中期旋回（或疊置于中期基準面旋回上的短期旋回）呈以退積為主的退積進積非對稱型，反映在該時期是以水進為主的一個過程， 層序的下邊界很有可能就是該旋回的下邊界。(3)如果疊置于長期基準面旋回上的中期旋回（或疊置于中期基準面旋回上的短期旋回）呈以進積為主的退積進積非對稱型，反映在該時期是以水退為主的一個過程，層序的上邊界很有可能就是該旋回的上邊界。崔鳳林等[59]進一步通過小波變換時頻能量譜技術來識別沉積旋回性。圖3－13東濮凹陷某測線層序地層時頻分析圖（據(jù)紀友亮等[60]）句法模式識別是一種以形式語言為基礎的模式識別方法。 通過對測井曲線、沉積序列的屬性特征的提取，可以建立層序地層單元的句法描述，按照一定的規(guī)則進行聚類分析可以實現(xiàn)層序地層單元的分類。Taizhong Duan[23](2001)在對英國金卡丁盆地早石炭組進行層序地層研究的時候采用了這種方法來進行層序地層單元的識別。在建立層序地層單元識別之前必須先建立沉積序列的屬性（包括巖性，沉積構造和古生物等）句法描述，如對于一個河道沉積序列可以簡單的通過一系列有限的典型垂直巖性序列來描述（圖3－14）。更一般地，可以通過一些字符的形式來編碼這些巖性特征，從底到頂就可以形成一個相應的字符串，如用“SS A C B C D E F G”來表示一個河道沉積。通過編碼我們可以用字符串的形式描述任何的沉積環(huán)境。除了巖性特征外，還可以加入其他的描述特征如厚度等。在一個河道沉積的字符描述中可以表示為SS()A()C()B()C()B()E()D()F()G()SS()圖3－14 河道沉積序列巖性字符串描述（據(jù)Duan[23]，2001）要利用句法模式進行層序地層單元的識別，還需要定義沉積序列的差異表示，通過定義一系列字符串操作（替換、插入、刪除），按照字符比較的方法來定義沉積序列的差異。字符串比較的有兩種方法，如對于字符串，定義1：將替換、插入和刪除操作定義為1和的距離定義為從到的最小變換次數(shù)定義2：將替換定義為3，插入和刪除操作定義為1和的距離定義為從到的最小變換次數(shù)如果字符串中還包含其他的信息，如厚度等屬性特征時，在進行比較的時候還需要加上這些特征的距離。綜合的距離公式為： (3－17)其中，為權重系數(shù)，為，的屬性特征的距離，當屬性特征為數(shù)字形式的時候可以直接用歐氏距離表示。在建立了距離定義的基礎上就可以用距離聚類方法進行層序地層單元的識別。聚類方法可以分為兩類，一類是劃分方法的，另一類是分層方法的。劃分方法的思想將個給定模式分為個群組()，每一個群所包含的模式具有最近的距離。分層方法是以某種相似性（距離）進行模式的合并而產(chǎn)生一系列的群。特殊的情況下，個模式可以分為個群組，相當于每個組只含有一種模式?；蛘呤撬械哪Ｊ蕉纪谝粋€群組中?；谶@兩種方法的聚類算法有K－平均法、分層聚類法、動態(tài)聚類法、圖論聚類法等。在聚類算法實質上的一種無導師的學習過程，在聚類的過程中沒有加入人工干預。但在實際的字符串距離定義中還有許多不確定的參數(shù)，如權系數(shù)等。這些權系數(shù)的選擇直接影響了聚類的效果，因此，在聚類分析中加入權系數(shù)的神經(jīng)網(wǎng)絡訓練方法是通常解決權系數(shù)問題的有效途徑。利用句法模式聚類進行層序地層單元劃分的步驟如下：1． 對研究區(qū)地層沉積特征進行分析，建立該區(qū)沉積特征的句法描述字符；2． 選擇合適的字符串距離定義；3． 通過人工分析建立標準井的層序地層單元劃分；4． 根據(jù)標準井的層序地層單元劃分進行神經(jīng)網(wǎng)絡訓練確定相關的權系數(shù)；5． 利用得到的權系數(shù)對其他井進行聚類的層序地層單元劃分。測井曲線砂泥比曲線進行層序地層單元劃分的原理是在基準面變化過程中，可容空間與沉積物補給通量比值（A/S）決定了沉積物的保存程度、地層堆積樣式、相序、相類型以及巖石結構。當A/S1時，地層發(fā)生退積；當A/S=1時，地層發(fā)生加積；當A/S1時，地層發(fā)生前積。對于河流環(huán)境的砂泥巖地層來說，富泥沉積多與較高可容空間時期形成的分流河道間灣或泛濫平原的沉積作用有關；富砂沉積多形成于相對較低可容空間時沉積體的進積作用或河道亞相、決口河道/河口扇復合體加積作用。因此，鉆井剖面上泥砂比值及其旋回變化能近似的定量反映A/S的變化。在以碎屑巖為主的沉積剖面上，自然伽馬曲線對砂泥比的旋回變化最為敏感。由此，可以利用自然伽馬曲線求取泥砂比曲線，并根據(jù)曲線自動識別基準面旋回，從而識別對應的層序地層單元（一般對應于準層序單元）。泥砂比、砂泥比曲線具體計算公式[35]如下: (3－18)式中：為泥砂比；為砂泥比；GR為自然伽馬測井值；為純泥巖自然伽馬測井值；為純砂巖自然伽馬測井值。一個完整的地層基準面旋回由基準面上升和基準面下降旋回沉積組成。采用泥砂比和砂泥比曲線進行層序地層單元識別的方法是：當泥砂比大于砂泥比時，求該段地層中自然伽馬曲線最大值對應的深度，將該點作為基準面上升的最高點，記錄深度值，并加上標注值0；當泥砂比小于砂泥比時，求該段地層中自然伽馬曲線最小值對應的深度，記錄該深度，并加上標注值為1；進行完標記程序后，比較標注為0的伽馬值，將伽馬值最大的值對于的深度作為一個層序地層單元界面，在其深度向上將標記為0的深度點作為層序地層單元的界面，其深度向下將標記為1的深度點作為層序地層單元的界面。在實際的計算中，不同的沉積環(huán)境中純泥巖自然伽馬值和純砂巖自然伽馬值并非是一個常量，而是有一定的變化。因此，在算法設計中將自然伽馬測井值的最大最小值作為和的初始值，通過加減一定的步長來尋找合適的代替值。步長可以由參數(shù)的形式輸入，也可以用如下的公式計算： (3－19)其中，為步長，分別為自然伽馬測井的最大，最小值，N為劃分的網(wǎng)格數(shù)，需根據(jù)實際情況定，一般取100。如果已知層序地層單元劃分的單元數(shù)目，還可以通過變化步長的方法使得識別出層序地層單元數(shù)目與已知所需劃分單元數(shù)目吻合。利用這一方法設計了相關的識別算法（見附錄6），并對長堤樁206井的自然伽馬曲線進行了準層序的自動劃分（圖3－15），通過自動識別共將該段劃分出4個準層序，進一步可以繪制出可容空間的變化曲線，根據(jù)可容空間的變化可以判斷出所識別出的準層序類型。圖3－15 樁206井準層序自動劃分結果第4章 層序地層單元內(nèi)部特征表征第4章 層序地層單元內(nèi)部特征表征在層序地層單元劃分的基礎上進行層序地層單元對比，首先要建立層序地層單元的內(nèi)部特征的表述方法，層序地層單元內(nèi)部特征的相似程度是進行定量層序地層單元對比的重要依據(jù)。因此，需要通過頻譜分析，測井形態(tài)，地球化學，古生物等各個方面來提取層序地層單元的內(nèi)部特征。頻譜分析在地震的沉積旋回及地層響應的研究中已經(jīng)被廣泛的認可，通過頻譜主極值頻率的變化可以用于沉積旋回的劃分[61]。由于沉積旋回所導致的層序地層單元界面比較模糊，或遭受侵蝕，在地震剖面上不整合特征不夠