Разработка подсистемы принятия решений для геологоразведки на основе нейронных сетей

Геологическая интерпретация данных комплекса геофизических исследований скважин - задача, которая имеет важнейшее практическое значение при поиске и разведке месторождений полезных ископаемых. Интерпретация геофизических данных необходима для более детального геологического исследования, с целью решения вопроса о наличии полезных ископаемых, а также для подсчетов их запасов. Для получения данных о нахождении полезных ископаемых бурят скважины, которые изучают с помощью геофизических методов исследования скважин (ГИС) . ГИС необходимы также для надежной интерпретации результатов исследований полевыми геофизическими методами. ГИС применяют для решения геологических и технических задач. К геологическим задачам, в первую очередь, относят литологическое расчленение разрезов, их корреляцию, выявление полезных ископаемых и определение параметров, необходимых для подсчета запасов.

Зачастую в процессе интерпретации данных возникают ошибки, что приводит к ложным выводам. Основной причиной тому является человеческий фактор. Решением проблемы может стать использование нейронных сетей для поддержки принятия решения при решении геологических задач.

Искусственные нейронные сети - это вычислительные структуры, моделирующие простые биологические процессы, происходящие в головном мозге человека. Иными словами, это искусственный человеческий мозг, который способен анализировать и принимать различные решения. Адаптируемые и обучаемые они представляют собой распараллеленные системы. Элементарным преобразователем является искусственный нейрон, названный так по аналогии с биологическим прототипом. Нейронные сети применяются во многих сферах деятельности: здравоохранении, бизнесе, политике и т.д.. Сеть состоит из некоторого (произвольного) количества слоев нейронов. Первый ее слой называют входным (сенсорным), внутренние слои называют скрытыми, а последний — выходным (результативным). Количество нейронов в слоях может быть произвольным.

Основные типы геологических задач с позиции использования формальных методов и ЭВМ при интерпретации геолого-физических данных:

• •    задачи выделения может быть интерпретирована либо как задача распознавания образов, либо как задача группирования объектов с заданными свойствами;

• •    задачи разделения - различные алгоритмы распознавания образов;

• •    задача упорядочения - методы распознавания образов, теории принятия решений;

• •    оценивание параметров объектов количественные методы интерпретации (методы прибора, корреляционно - регрессионного анализа,

теории статистического оценивания, детерминированные классические методы решения обратных задач, методы распознавания образов – для интервальной оценки параметров).

Решение задач выделения и разделения базируются на использовании алгоритмов распознавания образов. При выборе алгоритмов распознавания для решения геологических задач принципиальным является то, чтобы могли использоваться данные, измеренные в разных шкалах измерения. Примерами таких методов могут служить статистический и детерминированные методы:

Статистический метод распознавания образов основан на вычислении некоторых статистических критериев. В основе лежит – знание вероятностей и законов распределения случайных величин (признаков, характеризующих объект):

• a)    Метод максимального правдоподобия – это метод с помощью которого оценивается неизвестный параметр путём максимизации функции правдоподобия;

• b)    Метод Байеса - одна из основных теорем элементарной теории вероятностей, с помощью которой можно определить вероятность какого-либо события при условии, что произошло другое статистически взаимозависимое с ним событие;

• c)    Критерий Х^2 (Пирсона) – популярный критерий для проверки гипотезы о принадлежности наблюдаемой выборки объёмом некоторому теоретическому закону распределения. Критерий Пирсона помогает при сопоставлении эмпирического распределения признака с теоретическим -равномерным, нормальным или каким-то иным, а также при сопоставлении двух, трех или более эмпирических распределений одного и того же признака.

Детерминированные методы – это методы распознавания образов, которые основаны на вычислении некоторых детерминированных мер сходства между объектами. Эти методы не используют в явном виде вероятностные характеристики. Обязательным условием является что признаки, характеризующие объект – величины не случайные.

При использовании методов распознавания образов на основе нейронных сетей можно:

• -    использовать готовые программы такие как Нейромодуль в MatLab, MPSURF, Stratimagic (2D и 3D сейсмика) и т.д.;

• -    разработать программы на языках высокого уровня самостоятельно опираясь на имеющиеся библиотеки, например, ALGLIB, fann.js и т.д.

Для этого необходимо сформулировать принципы и требования к программному обеспечению, провести анализ предметной области, определить цели и задачи для разработки ПО. Разработать проект и реализовать его. Для апробации необходимо выбрать «тестовую» прикладную задачу, протестировать, выявить ошибки и провести корректировку.

В дальнейшем разработанное ПО планируется использовать для решения задачи выделения литотипов по данным геофизических исследований скважин.