数据挖掘在石油勘探数据库中的应用前景.pdf

／ 勘探管理 数据挖掘在石油勘探数据库中的应用前景 石广仁 中国石油勘探开发研究院，北京 l 0 0 0 8 3 摘要通过世界现状分析，指出数据挖掘 D a t a Mi n i n g ，以下简称D M在石油勘探数据库中的应用尚处于起 步阶段。 在前人的工作基础上， 简述了数据库D M技术的结构、功能、 算法及关键技术。以一个测井解释实例具体介绍 D M的操作过程、技术方法及应用效果，验证该技术的可行性、实用性。实例中，采用多元回归分析，实现数据降维； 分别采用人工神经网络和支持向量机两个挖掘算法，进行知识发现。基于国内大批石油勘探数据库 包括数据银行、数 据仓库等的陆续建成，认为DM技术的研发已提到议事日程，必将成为石油地质研究和勘探决策的有力手段。 关键词数据挖掘；知识发现；广义数据库；降维算法 ；挖掘算法；石油勘探；裂缝预测 中图分类号T E 1 9 文献标识码A 经历了约 2 0 年的发展 ， 数据挖掘 Da t a Mi n i n g ， 以下简称D M 在技术进步和广泛应用都取得了巨大的 成功， 已经成为一个 自成体系的应用学科⋯ 。 2 1 世纪初， D M 曾被预测为未来 l 0 年内最有革命性的技术发展之 一 ，还认为是将改变世界的十大新兴技术之一 。 DM 是一种从数据库中提取新的重要信息和知识的计算机 技术 ，故也统称为数据库的知识发现 Kn o wl e d g e Di s c o v e r y i n D a t a b a s e ，这里所指的 “ 数据库”还 可包括文件 系统或其他任何组织在一起的数据集合。 这是一个创新性的领域， 具有很强的实用性， 已在某些 科技、 商业等领域得到了较好的应用 ， 但在石油勘探的 应用尚处于起步阶段[ 5 。 国内随着大批石油勘探数据库 包括数据银行、 数 据仓库等的陆续建成【 l ，如何从大量数据中寻找 有利勘探目标成了建库后的迫切任务。面对如此庞大 的勘探数据，我们可以通过数据库管理系统实现常规 的应用 如查询、 检索、 简单统计分析等 ； 但数据中 隐藏的内在有用知识却无法得到，这将使我们处在一 种数据丰富而知识贫乏的困境。 因此， D M技术的研发 已提到议事 日程 ，它必将在石油勘探数据库的二次开 发中大显身手，成为石油地质研究和勘探决策的有力 手段 。 本文简述了数据库D M技术的结构、 功能、 算法及 关键技术， 以一个测井解释实例具体介绍了DM的操作 过程、 技术方法及应用效果， 以验证该技术的可行性和 实用性 ，同时也展示 D M 技术在石油勘探中的应用前 景。 1 数据挖掘技术 一 个完整的DM技术应具有6 个功能 】 能对付各 数据结构的缺点和差异 ；能算出所用的特定技术的置 信度； 不强制推行某一数据结构 ； 在无偏的条件下能确 定大型数据数组的 “ 子系统” ；能给出有效的方法来具 体实现风险评价法则；产生的方法能与其他方法及数 据集成一起。 1 ， 1 数据挖掘的步骤 将欲研究的数据分成学习样本和预测样本两大类。 每一学习样本必须含有一个目标值 y 及其相关的多 个参数值 x ， ， ⋯ 蜀，它们记为向量形式x ，其集 合应具有建立 y x 关系式的可能性和正确性 ； 而预测样本与学习样本的区别是可以没有 目标值的 ， 作者简介 石广仁 ，男，教授级高级工程师、博士生导师 ，长期从事地学 定量 。 收稿 日期 2 0 0 8 一l 0 0 6 中国石油勘探 2 O 。 9 年第1 期 60 学兔兔 w w w .x u e t u t u .c o m 如果有的话可以作为D M的检验值。 D M 包括3个步骤图 1① “ 数据准备 ” ，如数 据的选择、净化、缺失处理、错分类识别、离群值识别、 转换、归 一 化等；② “ 知识发现 ” ，首先使用降维算法 确定哪几个蜀足以建立Y YX，这些X，组成新的 X ，然后根据学习样本的特点选择合适的DM算法求出 Y Y X关系式 ，这个表达式就是发现的新知识；③ “ 知识运用 ” ，将预测样本的X值代入Y YX，得到 各个预测样本的目标值y。 输 出结果 图1数据挖掘技术流程图 F ig．1 Flowchartofdatamining 普通数据库的存取由数据库管理系统执行。当数 据库配有DM技术 图1时，要添加知识库，它与数 据库 一 起有机地组成广义数据库；在 “ 知识发现 ” 时， 从数据库中取 出全部样本，首先使用某 一 算法对其进 行可能的降维，然后使用某 一 挖掘算法对全部学习样 本进行处理，所获得的新知识【 J， Y X】 要存入知识 库；而在 “ 知识运用 ” 时，根据新知识算出每个预测样 本的目标值y，所获得的新数据y要存人数据库。 1 j2数撬挖撬的算珐 关于降维算法，有多元回归分析等。关于D M算法， 石油蘸薮 瑭磋 i爵 五雨丽 毛r ’ ’ ． i 有Jf ～ 最近邻域法、决策树、分级k Means聚类 、 Kohonen网络 、Logistic回归、Naive Bayes估计与 贝叶斯网络、遗传算法、神经网络、支持向量机等[ 3,4 ,21】 。 在本文的实例中， “ 数据准备 ” 中采用多元回归分析，实 现数据降维；在 “ 知识发现 ” 、 “ 知识运 用 ” 中分别采用 了人工神经 网络A rti ficialNeuralNetwork， 以下 简称A N N 、支持向量机 SupportVectorM achine， 以下简称SV M，并对两者计算结果进行对比。 D M 技术的飞速发展，激起了越来越多的需求，导 致面临新的挑战，主要反映在 “ 数据驱动 ” 方面⋯① 数据的过大、过乱使算法无法适应；②数据的过快增长 超 出检查技术的能力；③如何最有效地对图形数据进 行挖掘；④如何分门别类地对数据的使用进行保密限 制；⑤如何定义挖掘算法的适用条件以避免挖掘结果的 扭 曲。 由于石油勘探数据的庞大、复杂和多变，在引入 D M 技术时必然遇到这些挑战；基于国内建库的成功经 验 _13q⋯ ，以及世界D M技术的初步应用【 5 他] ，这些挑战 都是可以战胜的。 2应用实例 储层裂缝 一 直是研究热点，本实例的研究目的是 利用常规测井资料进行裂缝预测，在成像测井资料及 岩心样品有限的情况下具有较大实用价值。 安棚油田位于泌阳凹陷东南部，面积约为17 ．5km 。 ， 其南部紧邻北西西向的唐河 一 栗园边界大断裂，东部 紧邻深凹区，为 一 北西 向南东倾伏的继承性鼻状构造， 构造较为简单，断层不发育，已获工业油气流[ 22,23l 。安 棚油田油气成藏的有利 条件之 一 是深层埋深大于 28 00m裂缝发育，不仅提供 了油气运移的有利通道， 也改善了储集空 间。 在安棚油田安I井和安2井7种测井资料及1种成 像测井结果 _ 2 4’ 中选取34个样本，其中30个取为学习样 本， 4个取为预测样本。每 一 样本含有7个 自变量，即 X 。为声波时差A t ，施为补偿中子密度 P， x3为 补偿中子孔隙度曲。，x4为微球形聚焦电阻率尺。。， 玛为深侧向电阻率尺。。。，‰为浅侧向电阻率尺L L S， 西为深浅侧向电阻率差值尺。。；以及1个应变量y， 即裂缝预测值。故可视为 一 个8维问题。这7种测井资 料都已归 一 化至 区间[0， 1】 。在学习样本中，J ，是输入 61No12009ChinaPetr oleumExplor ation 学兔兔 w w w .x u e t u t u .c o m 勘探管理 p LoR 参数，记为矿，由成像测井儿裂缝识别确定。在预测样本中，无输入参数值y，它由挖掘算法确定 表1 。 表1泌阳凹陷安棚油田安1井和安2井裂缝预测的参数及预测结果 Tab le1Par am eter sandcalculationr esultsforfr acture pr edi ctionofAnland An2welIsintheAnpengO i l f iel dof theB i yang sag ┏━ ━ ┳━━ ━ ━┳━ ━ ━┳━ ━ ━━ ━ ━┳━ ━ ━━ ━ ━━━ ━ ━━ ━ ━━━ ━ ━━ ━ ━━━ ━ ━━ ━ ━━━ ━ ━━━ ━ ━━━ ━ ━━ ━ ━━━ ━ ┳━ ━ ━━━ ━ ━━ ━ ━━━ ━ ━━ ━ ━━━ ━ ━━ ━ ━━━ ━ ━━━ ━ ━━┓ ┃ ┃┃ ┃ ┃ 样本参数 ┃ 裂缝预测结果 ┃┃ 样 ┃ 样 ┃┃┃ ┃ ┃┃┃ ┃ ┃┣ ━ ━━━ ━ ┳━ ━ ━━━ ┳ ━━ ━ ━━┳ ━ ━━ ━ ━┳━ ━ ━━━ ┳ ━━ ━ ━━┳ ━ ━━ ━ ━┳━ ━ ━╋ ━ ━━━ ━ ━━ ━ ━━━ ━ ━━ ━ ━━━ ━ ━━━ ━ ┳━━ ━ ━┳ ━ ━━━ ┫ ┃┃ ┃ ┃┃┃ ┃ ┃┃ ┃ ┃┃┃ AN N 迭代667次 ┃ S V ┃ Ⅵ ┃ ┃ 太 ┃ 太 ┃ 井号 ┃ 井深 ┃ A t ┃ p ┃ 妒N ┃ 尺 。。 ┃ 尺L L D ┃ 尺L L s ┃ 尺D s ┃ ZL ┃┃ ┃ ┃┃ ┃ ┃┃ ┃ ┃┃┃ ┃ ┃┃ ┃ ┣━ ━ ━━ ━ ┳━ ━ ━━━ ┳ ━━ ━ ━━━ ━ ━━ ━ ━╋ ━ ━━ ━ ┻━ ━ ━━┫ ┃ 类 ┃ 编 ┃┃ m ┃┃ ┃ ┃┃┃ ┃ ┃┃ 8维 ┃ ．口] 题 ┃ 7维问题无x， ┃ 7维、8维问题 ┃┃ 型 ┃ 号 ┃ ┃ ┃┃ ┃ ┃┃ ┃ ┃┃ ┃ ┃┃┃ ┃ ┃┃ ┃ ┃┣ ━ ━━ ━ ━╋━ ━ ━━ ━ ╋━ ━ ━━ ━ ╋━ ━ ━━━ ╋ ━━ ━ ━━╋ ━ ━━ ━ ━╋ ━ ━━ ━ ━╋ ━ ━━╋ ━ ━━ ━ ━╋━ ━ ━━ ━ ╋━ ━ ━━ ━ ┳━ ━ ━━━ ╋ ━━ ━ ━┳ ━ ━━ ━ ┫┃┃ ┃ ┃┃ X l ┃ X 2 ┃ X 3 ┃ X 4 ┃ x 5 ┃ X 6 ┃ X- ┃ ， ┃ J ， ┃ R％ ┃ J ， ┃ 尺％ ┃ J ， ┃ 尺％ ┃┣━ ━ ╋━ ━ ━━ ╋ ━━ ━ ╋━ ━ ━━━ ━ ╋━ ━ ━━━ ╋ ━━ ━ ━━ ╋ ━━ ━ ━━ ╋ ━━━ ━ ━╋ ━ ━━ ━ ━╋ ━ ━━━ ━ ╋━ ━ ━━ ━ ╋━ ━ ━╋ ━ ━━━ ━ ╋━ ━ ━━━ ╋ ━━ ━ ━━ ╋ ━━ ━ ━━ ╋ ━━━ ━ ╋━ ━ ━━┫ ┃ ┃┃ ┃ ┃┃ ┃ ┃┃ ┃ ┃┃ ┃ ┃┃┃ ┃ ┃ ┃┃┃ l ┃┃ 3065． 13 ┃ 0．5557 ┃ 0．2516 ┃ 0．8795 ┃ 0．354 8 ┃ 0．68 57 ┃ 0．668 8 ┃ O．0169 ┃ l ┃ 1．0350 ┃ 3．5041 ┃ 1．04 30 ┃ 4．3003 ┃ 1 ┃ O ┃ ┃ ┣━ ━ ━━┫ ┣ ━━ ━ ━━ ━ ╋━ ━ ━━ ━ ╋━━ ━ ━━ ╋ ━━ ━ ━━ ╋ ━━━ ━ ━╋ ━ ━━ ━ ━╋ ━ ━━ ━ ━╋━ ━ ━━ ━ ╋━━ ━ ╋━ ━ ━━ ━ ╋━ ━ ━━ ━ ╋━━ ━ ━━ ╋ ━━━ ━ ━╋ ━ ━━ ━ ╋━ ━ ━━ ┫ ┃┃ 2 ┃ ┃ 3078．28 ┃ 1．0000 ┃ 0．0000 ┃ 0．9992 ┃ 0．9363 ┃ 0．998 4 ┃ 1．0000 ┃ 0．0016 ┃ 2 ┃ 1．9495 ┃ 2．5252 ┃ 1．9333 ┃ 3．3325 ┃ 2 ┃ 0 ┃ ┃┣━ ━ ━━ ┫ ┣━ ━ ━━ ━ ━╋ ━ ━━━ ━ ╋━ ━ ━━ ━ ╋━ ━ ━━━ ╋ ━━ ━ ━━ ╋ ━━ ━ ━━ ╋ ━━━ ━ ━╋ ━ ━━━ ━ ╋━ ━ ━╋ ━ ━━ ━ ━╋ ━ ━━━ ━ ╋━ ━ ━━━ ╋ ━━ ━ ━━ ╋ ━━ ━ ━╋ ━ ━━━ ┫ ┃┃ 3 ┃┃ 3089．68 ┃ 0．9908 ┃ O．0110 ┃ 0．8 999 ┃ 0．6792 ┃ 0．542l ┃ 0．4071 ┃ 0．1350 ┃ l ┃ 1．0193 ┃ 1．9303 ┃ 1．0116 ┃ 1．164 4 ┃ l ┃ O ┃ ┃┣━ ━ ━━ ┫ ┣━━ ━ ━━ ━ ╋━ ━ ━━ ━ ╋━ ━ ━━━ ╋ ━━ ━ ━━╋ ━ ━━ ━ ━╋ ━ ━━ ━ ━╋ ━ ━━━ ━ ╋━ ━ ━━ ━ ╋━ ━ ━╋━ ━ ━━ ━ ╋━ ━ ━━ ━ ╋━ ━ ━━━ ╋ ━━ ━ ━━╋ ━ ━━ ━ ╋━ ━ ━━ ┫ ┃┃ 4 ┃┃ 3098．2l ┃ 0．4 44 4 ┃ 0．196l ┃ 0．52l l ┃ O．7160 ┃ 0．7304 ┃ 0．68 79 ┃ 0．0425 ┃ l ┃ 1．0006 ┃ 0．0604 ┃ 1．0009 ┃ 0．0905 ┃ l ┃ O ┃ ┃ ┣━ ━ ━━ ┫ ┣━━ ━ ━━ ━ ╋━━ ━ ━━ ╋ ━━ ━ ━━ ╋ ━━ ━ ━━╋ ━ ━━ ━ ━╋ ━ ━━ ━ ━╋━ ━ ━━ ━ ╋━ ━ ━━ ━ ╋━ ━ ━╋━ ━ ━━ ━ ╋━━ ━ ━━ ╋ ━━ ━ ━━ ╋ ━━ ━ ━━╋ ━ ━━ ━ ╋━━ ━ ━┫ ┃ ┃ 5 ┃ ┃ 3102．33 ┃ 0．4 028 ┃ 0．3506 ┃ 0．58 75 ┃ 0．6218 ┃ 0．6127 ┃ 0．584 0 ┃ 0．028 7 ┃ l ┃ 1．0132 ┃ 1．3173 ┃ 1．0159 ┃ 1．5869 ┃ 1 ┃ O ┃ ┃ ┣━ ━ ━━ ┫ ┣━ ━ ━━━ ━ ╋━ ━ ━━ ━ ╋━ ━ ━━━ ╋ ━━ ━ ━━ ╋ ━━ ━ ━━ ╋ ━━━ ━ ━╋ ━ ━━━ ━ ╋━ ━ ━━ ━ ╋━ ━ ━╋ ━ ━━━ ━ ╋━ ━ ━━ ━ ╋━ ━ ━━━ ╋ ━━ ━ ━━ ╋ ━━ ━ ━╋ ━ ━━━ ┫ ┃┃ 6 ┃┃ 3173．25 ┃ 0．3995 ┃ 0．3853 ┃ 0．08 4 5 ┃ 0．5074 ┃ 0．8 920 ┃ 0．8410 ┃ 0． 05 10 ┃ l ┃ 1．0005 ┃ 0．0466 ┃ 1．0013 ┃ 0．134 1 ┃ 1 ┃ 0 ┃ ┃┣━ ━ ━━ ┫ ┣━━ ━ ━━ ━ ╋━ ━ ━━ ━ ╋━ ━ ━━━ ╋ ━━ ━ ━━╋ ━ ━━ ━ ━╋ ━ ━━ ━ ━╋ ━ ━━━ ━ ╋━ ━ ━━ ━ ╋━ ━ ━╋━ ━ ━━ ━ ╋━ ━ ━━ ━ ╋━ ━ ━━━ ╋ ━━ ━ ━━╋ ━ ━━ ━ ╋━ ━ ━━ ┫ ┃┃ 7 ┃┃ 318 0．37 ┃ 0．6117 ┃ 0．64 20 ┃ 0．0993 ┃ 0．6478 ┃ 0．9029 ┃ 0．85 11 ┃ 0． 05 18 ┃ l ┃ 1．0260 ┃ 2．6025 ┃ 1．028 8 ┃ 2．8753 ┃ 1 ┃ 0 ┃ ┃ ┣━ ━ ━━ ┫ ┣━━ ━ ━━ ━ ╋━━ ━ ━━ ╋ ━━ ━ ━━ ╋ ━━ ━ ━━╋ ━ ━━ ━ ━╋ ━ ━━ ━ ━╋━ ━ ━━ ━ ╋━ ━ ━━ ━ ╋━ ━ ━╋━ ━ ━━ ━ ╋━━ ━ ━━ ╋ ━━ ━ ━━ ╋ ━━ ━ ━━╋ ━ ━━ ━ ╋━━ ━ ━┫ ┃ ┃ 8 ┃ ┃ 3202．00 ┃ 0．64 63 ┃ 0．5205 ┃ 0．535l ┃ 0．774 4 ┃ 0．2919 ┃ 0．38 70 ┃ 0． 09 5 l ┃ 2 ┃ 1．999 l ┃ 0．04 36 ┃ 1．998 9 ┃ 0．0567 ┃ 2 ┃ O ┃ ┃ ┣━ ━ ━━ ┫ ┣━ ━ ━━━ ━ ╋━ ━ ━━ ━ ╋━ ━ ━━━ ╋ ━━ ━ ━━ ╋ ━━ ━ ━━ ╋ ━━━ ━ ━╋ ━ ━━━ ━ ╋━ ━ ━━ ━ ╋━ ━ ━╋ ━ ━━━ ━ ╋━ ━ ━━ ━ ╋━ ━ ━━━ ╋ ━━ ━ ━━ ╋ ━━ ━ ━╋ ━ ━━━ ┫ ┃┃ ┃ ┃┃┃ ┃ ┃┃ ┃ ┃┃ ┃ ┃┃ ┃ ┃┃ ┃┃ ┃ 9 ┃┃ 3265．37 ┃ 0．4154 ┃ 0．9545 ┃ 0．4 397 ┃ 0．6763 ┃ 0．2906 ┃ 0．5173 ┃ 0．2267 ┃ 2 ┃ 2．0000 ┃ 0．0002 ┃ 2．0000 ┃ 0．0001 ┃ 2 ┃ 0 ┃┃┣ ━ ━━ ━ ┫┣ ━ ━━ ━ ━━╋ ━ ━━ ━ ━╋ ━ ━━ ━ ━╋━ ━ ━━ ━ ╋━ ━ ━━ ━ ╋━ ━ ━━━ ╋ ━━ ━ ━━╋ ━ ━━ ━ ━╋ ━ ━━ ╋ ━━ ━ ━━╋ ━ ━━ ━ ━╋━ ━ ━━ ━ ╋━ ━ ━━ ━ ╋━ ━ ━━╋ ━ ━━ ━ ┫┃ ┃ 10 ┃ ┃ 3269．87 ┃ 0．7901 ┃ 0．6601 ┃ 0．14 8 7 ┃ 0．8 994 ┃ 0．9257 ┃ 0．9325 ┃ 0．0068 ┃ t ┃ 1．014 7 ┃ 1．4742 ┃ 1．0192 ┃ 1．923l ┃ 1 ┃ 0 ┃ ┃ ┃┃ 安1 ┃┃ ┃ ┃┃ ┃ ┃┃ ┃ ┃┃┃ ┃ ┃┃ ┃ ┃┣━ ━ ━━ ┫ ┣━ ━ ━━ ━ ━╋ ━ ━━━ ━ ╋━ ━ ━━━ ╋ ━━ ━ ━━ ╋ ━━ ━ ━━ ╋ ━━━ ━ ━╋ ━ ━━ ━ ━╋ ━ ━━━ ━ ╋━ ━ ━╋ ━ ━━ ━ ━╋ ━ ━━━ ━ ╋━ ━ ━━━ ╋ ━━ ━ ━━ ╋ ━━ ━ ━╋ ━ ━━━ ┫ ┃┃ 11 ┃┃ 3307．8 7 ┃ 0．7162 ┃ 0．14 75 ┃ 0．4 4 81 ┃ 0．9164 ┃ 0．78 27 ┃ 0．7992 ┃ 0．0165 ┃ 1 ┃ 1．0233 ┃ 2．328 4 ┃ 1．04 75 ┃ 4．7504 ┃ 1 ┃ O ┃ ┃┣━ ━ ━━ ┫ ┣━━ ━ ━━ ━ ╋━ ━ ━━ ━ ╋━ ━ ━━━ ╋ ━━ ━ ━━╋ ━ ━━ ━ ━╋ ━ ━━ ━ ━╋ ━ ━━━ ━ ╋━ ━ ━━ ━ ╋━ ━ ━╋━ ━ ━━ ━ ╋━ ━ ━━ ━ ╋━ ━ ━━━ ╋ ━━ ━ ━━╋ ━ ━━ ━ ╋━ ━ ━━ ┫ ┃┃ 12 ┃┃ 3357．37 ┃ 0．5546 ┃ 0．4 778 ┃ 0．074 1 ┃ 0．7725 ┃ 0．9756 ┃ 0．9237 ┃ O．05 19 ┃ l ┃ 1．0003 ┃ 0．0275 ┃ 1．0014 ┃ 0．1397 ┃ 1 ┃ 0 ┃┃┣ ━ ━━ ━ ┫┣ ━ ━━━ ━ ━╋ ━ ━━━ ━ ╋━ ━ ━━ ━ ╋━ ━ ━━ ━ ╋━━ ━ ━━ ╋ ━━━ ━ ━╋ ━ ━━ ━ ━╋ ━ ━━ ━ ━╋━ ━ ━╋ ━ ━━ ━ ━╋ ━ ━━━ ━ ╋━ ━ ━━ ━ ╋━ ━ ━━ ━ ╋━━ ━ ━╋ ━ ━━━ ┫ ┃┃ 13 ┃┃ 3377．03 ┃ 0．4909 ┃ 0．3654 ┃ 0．1816 ┃ 0．7625 ┃ 0．8520 ┃ 0．8 237 ┃ 0．028 3 ┃ l ┃ 1．0004 ┃ 0．0406 ┃ 1．0015 ┃ O．1452 ┃ 1 ┃ 0 ┃┃ ┃ ┃┃┃ ┃ ┃┃ ┃ ┃┃ ┃ ┃┃ ┃ _ ┃┃ ┃ ┃┃ ┣ ━━ ━ ━┫ ┣ ━━ ━ ━━━ ╋ ━━ ━ ━━╋ ━ ━━ ━ ━╋ ━ ━━ ━ ━╋ ━ ━━━ ━ ╋━ ━ ━━━ ╋ ━━ ━ ━━ ╋ ━━ ━ ━━ ╋ ━━━ ╋ ━━ ━ ━━ ╋ ━━ ━ ━━╋ ━ ━━ ━ ━╋ ━ ━━ ━ ━╋ ━ ━━━ ╋ ━━ ━ ━┫┃ ┃ 14 ┃ ┃ 34 16．4 8 ┃ 0．2567 ┃ 0．5843 ┃ 0．204 3 ┃ 0．3412 ┃ 0．7369 ┃ 0．74 54 ┃ 0．0085 ┃ 2 ┃ 1．9607 ┃ 1．9633 ┃ 1．954 6 ┃ 2．2685 ┃ 2 ┃ 0 ┃ ┃ 学 ┃ ┃ ┃┃ ┃ ┃┃┃ ┃ ┃┃ ┃ ┃┃ ┃ ┃┃ ┃ ┃┣ ━ ━━━ ┫ ┣━ ━ ━━ ━ ━╋ ━ ━━━ ━ ╋━ ━ ━━ ━ ╋━ ━ ━━ ━ ╋━━ ━ ━━ ╋ ━━━ ━ ━╋ ━ ━━ ━ ━╋ ━ ━━ ━ ━╋━ ━ ━╋ ━ ━━━ ━ ╋━ ━ ━━ ━ ╋━ ━ ━━ ━ ╋━━ ━ ━━ ╋ ━━ ━ ━╋ ━ ━━━ ┫ ┃ 习 ┃ 15 ┃ ┃ 34 45．37 ┃ O．094 4 ┃ 0．9818 ┃ O．5124 ┃ 0．7614 ┃ 0．594 3 ┃ 0．6321 ┃ 0．0378 ┃ 2 ┃ 1．9997 ┃ O．0129 ┃ 1．9998 ┃ 0．0075 ┃ 2 ┃ O ┃ ┃ ┣━ ━ ━━ ┫ ┣━ ━ ━━━ ━ ╋━ ━ ━━ ━ ╋━ ━ ━━ ━ ╋━━ ━ ━━ ╋ ━━━ ━ ━╋ ━ ━━ ━ ━╋ ━ ━━ ━ ━╋━ ━ ━━ ━ ╋━━ ━ ╋━ ━ ━━ ━ ╋━ ━ ━━ ━ ╋━━ ━ ━━ ╋ ━━ ━ ━━ ╋ ━━━ ━ ╋━ ━ ━━ ┫ ┃ 样 ┃ 16 ┃ ┃ 34 4 6．12 ┃ 0．5215 ┃ 0．8 09l ┃ 0．7594 ┃ 0．6924 ┃ 0．7186 ┃ 0．7572 ┃ 0．0386 ┃ 2 ┃ 1．9828 ┃ 0．8 600 ┃ 1．98 3l ┃ 0．8 4 62 ┃ 2 ┃ O ┃ ┃ 太 ┃ ┃ ┃┃ ┃ ┃┃┃ ┃ ┃┃ ┃ ┃┃ ┃ ┃┃ ┃ ┃┣ ━ ━━━ ┫ ┣━ ━ ━━ ━ ━╋ ━ ━━━ ━ ╋━ ━ ━━ ━ ╋━ ━ ━━ ━ ╋━━ ━ ━━ ╋ ━━━ ━ ━╋ ━ ━━ ━ ━╋ ━ ━━ ━ ━╋━ ━ ━╋ ━ ━━━ ━ ╋━ ━ ━━ ━ ╋━ ━ ━━ ━ ╋━━ ━ ━━ ╋ ━━ ━ ━╋ ━ ━━━ ┫ ┃┃ 17 ┃┃ 3485．25 ┃ 0．94 43 ┃ 0．264 7 ┃ 0．9904 ┃ 0．4 794 ┃ 0．4 18 9 ┃ 0．4 776 ┃ 0． 05 87 ┃ 2 ┃ 1．9862 ┃ 0．6904 ┃ 1．978 5 ┃ 1．0756 ┃ 2 ┃ O ┃┃ ┣ ━━━ ━ ┫┣ ━ ━━ ━ ━━ ╋ ━━ ━ ━━╋ ━ ━━ ━ ━╋━ ━ ━━ ━ ╋━ ━ ━━ ━ ╋━ ━ ━━━ ╋ ━━ ━ ━━ ╋ ━━ ━ ━━╋ ━ ━━ ╋ ━━ ━ ━━ ╋ ━━ ━ ━━╋ ━ ━━ ━ ━╋━ ━ ━━ ━ ╋━ ━ ━━ ╋ ━━ ━ ━┫┃ ┃ 18 ┃ ┃ 3575．00 ┃ 0．2078 ┃ 0．0000 ┃ 0．0358 ┃ 0．824 6 ┃ 0．9872 ┃ 0．9800 ┃ 0．0072 ┃ l ┃ 1．000l ┃ 0．0078 ┃ 1．0027 ┃ 0．2673 ┃ 1 ┃ O ┃ ┃ ┣━ ━ ━━ ┫ ┣━ ━ ━━━ ━ ╋━ ━ ━━━ ╋ ━━ ━ ━━ ╋ ━━ ━ ━━ ╋ ━━━ ━ ━╋ ━ ━━ ━ ━╋ ━ ━━━ ━ ╋━ ━ ━━ ━ ╋━ ━ ━╋ ━ ━━━ ━ ╋━ ━ ━━━ ╋ ━━ ━ ━━ ╋ ━━ ━ ━━ ╋ ━━━ ━ ╋━ ━ ━━┫ ┃ ┃ 19 ┃┃ 364 5．00 ┃ 0．1193 ┃ 0．6953 ┃ 0．8 8 79 ┃ 0．78 39 ┃ 0．8 323 ┃ 0．8 4 09 ┃ 0．008 6 ┃ l ┃ 1．0090 ┃ 0．8952 ┃ 1．0070 ┃ 0．698 5 ┃ l ┃ 0 ┃ ┃ ┣━ ━ ━━ ┫ ┣━ ━ ━━ ━ ━╋━ ━ ━━ ━ ╋━ ━ ━━ ━ ╋━━ ━ ━━ ╋ ━━ ━ ━━ ╋ ━━ ━ ━━╋ ━ ━━ ━ ━╋━ ━ ━━ ━ ╋━ ━ ━╋ ━ ━━ ━ ━╋━ ━ ━━ ━ ╋━━ ━ ━━ ╋ ━━ ━ ━━ ╋ ━━ ━ ━╋━ ━ ━━ ┫ ┃┃ 20 ┃┃ 378 9．37 ┃ 0．0579 ┃ 0．68 8 9 ┃ 0．9418 ┃ 0．726l ┃ 0．8 902 ┃ 0．8 947 ┃ 0．004 5 ┃ 1 ┃ 1．0043 ┃ 0．4 305 ┃ 1．0036 ┃ 0．3554 ┃ 1 ┃ 0 ┃┃┣ ━ ━━ ━ ╋━━ ━ ╋━ ━ ━━ ━ ━╋ ━ ━━ ━ ━╋━ ━ ━━ ━ ╋━━ ━ ━━ ╋ ━━ ━ ━━ ╋ ━━ ━ ━━╋ ━ ━━ ━ ━╋━ ━ ━━ ━ ╋━ ━ ━╋ ━ ━━ ━ ━╋━ ━ ━━ ━ ╋━ ━ ━━ ━ ╋━━ ━ ━━ ╋ ━━ ━ ━╋ ━ ━━ ━ ┫┃┃ 21 ┃┃ 992．795 ┃ 0．34 71 ┃ 0．9624 ┃ 0．38 4 8 ┃ 0．6115 ┃ 0．8 24 5 ┃ 0．8 38 8 ┃ 0．0143 ┃ 2 ┃ 1．9979 ┃ 0．1031 ┃ 1．998l ┃ 0．0 94 2 ┃ 2 ┃ 0 ┃┃┣ ━ ━━ ━ ┫┣━ ━ ━━ ━ ━╋ ━ ━━ ━ ━╋ ━ ━━━ ━ ╋━ ━ ━━━ ╋ ━━ ━ ━━ ╋ ━━ ━ ━━ ╋ ━━━ ━ ━╋ ━ ━━ ━ ━╋ ━ ━━╋ ━ ━━ ━ ━╋ ━ ━━ ━ ━╋ ━ ━━━ ━ ╋━ ━ ━━━ ╋ ━━ ━ ━╋ ━ ━━ ━ ┫┃ ┃ 22 ┃ ┃ 1525．37 ┃ 0．5256 ┃ 0．3256 ┃ 0．08 2l ┃ 0．74 50 ┃ 0．98 8 8 ┃ 0．9234 ┃ 0．0654 ┃ 1 ┃ 1．000l ┃ O．0104 ┃ 1．001l ┃ 0．109 1 ┃ l ┃ 0 ┃┃ ┣ ━━━ ━ ┫┣ ━ ━━ ━ ━━ ╋ ━━ ━ ━━╋ ━ ━━ ━ ━╋ ━ ━━ ━ ━╋━ ━ ━━ ━ ╋━ ━ ━━ ━ ╋━ ━ ━━━ ╋ ━━ ━ ━━╋ ━ ━━ ╋ ━━ ━ ━━ ╋ ━━ ━ ━━╋ ━ ━━ ━ ━╋━ ━ ━━ ━ ╋━ ━ ━━ ╋ ━━ ━ ━┫┃ ┃ 23 ┃ ┃ 1527．25 ┃ 0．0753 ┃ 0．54 4 l ┃ O．134 5 ┃ 0．6750 ┃ 0．8 4 68 ┃ 0．9255 ┃ 0．078 7 ┃ l ┃ 1．0006 ┃ 0．064 5 ┃ 1．0010 ┃ 0．098 7 ┃ l ┃ O ┃ ┃ ┣━ ━ ━━ ┫ ┣━ ━ ━━━ ━ ╋━ ━ ━━━ ╋ ━━ ━ ━━ ╋ ━━ ━ ━━ ╋ ━━━ ━ ━╋ ━ ━━━ ━ ╋━ ━ ━━ ━ ╋━ ━ ━━ ━ ╋━━ ━ ╋━ ━ ━━ ━ ╋━ ━ ━━━ ╋ ━━ ━ ━━ ╋ ━━ ━ ━━ ╋ ━━━ ━ ╋━ ━ ━━┫ ┃ ┃ 24 ┃┃ 18 67．12 ┃ 0．314 5 ┃ 0．1325 ┃ 0．0368 ┃ 0．574 4 ┃ 0．94 25 ┃ 0．8 54 7 ┃ 0．08 78 ┃ l ┃ 1．0000 ┃ 0．0016 ┃ 1．0002 ┃ 0．0215 ┃ l ┃ 0 ┃┃┣ ━ ━━ ━ ┫┣ ━ ━━━ ━ ━╋ ━ ━━ ━ ━╋ ━ ━━ ━ ━╋━ ━ ━━ ━ ╋━━ ━ ━━ ╋ ━━ ━ ━━ ╋ ━━ ━ ━━╋ ━ ━━ ━ ━╋ ━ ━━ ╋ ━━━ ━ ━╋ ━ ━━ ━ ━╋ ━ ━━ ━ ━╋━ ━ ━━ ━ ╋━━ ━ ━╋ ━ ━━ ━ ┫┃ ┃ 25 ┃ ┃ 18 8 0．00 ┃ 0．7755 ┃ 0．8 34 7 ┃ 0．554 6 ┃ 0．4 578 ┃ 0．18 94 ┃ 0．4 265 ┃ 0．237l ┃ 2 ┃ 2．0000 ┃ 0．0000 ┃ 2．0000 ┃ 0．0000 ┃ 2 ┃ 0 ┃ ┃ ┃┃ 安2 ┃ ┃ ┃┃ ┃ ┃┃ ┃ ┃┃ ┃ ┃┃ ┃ ┃┃ ┃ ┣━ ━ ━━ ┫ ┣━ ━ ━━ ━ ━╋ ━ ━━ ━ ━╋ ━ ━━ ━ ━╋ ━ ━━ ━ ━╋ ━ ━━ ━ ━╋ ━ ━━ ━ ━╋ ━ ━━ ━ ━╋ ━ ━━ ━ ━╋ ━ ━━ ╋ ━━ ━ ━━ ╋ ━━ ━ ━━ ╋ ━━ ━ ━━ ╋ ━━ ━ ━━ ╋ ━━ ━ ━╋ ━ ━━ ━ ┫┃ ┃ 26 ┃ ┃ 2045．8 7 ┃ 0．4928 ┃ 0．2110 ┃ 0．5977 ┃ 0．68 92 ┃ 0．74l l ┃ 0．6071 ┃ O．134 0 ┃ 1 ┃ 1．0002 ┃ O．0198 ┃ 1．0004 ┃ 0．0422 ┃ 1 ┃ 0 ┃┃┣ ━ ━━ ━ ┫┣ ━ ━━ ━ ━━ ╋ ━━ ━ ━━ ╋ ━━ ━ ━━ ╋ ━━ ━ ━━ ╋ ━━ ━ ━━ ╋ ━ ━ ━━━ ╋ ━━ ━ ━━ ╋ ━━ ━ ━━ ╋ ━━ ━ ╋━ ━ ━━ ━ ╋━ ━ ━━ ━ ╋━ ━ ━━ ━ ╋ ━ ━━━ ━ ╋━ ━ ━━ ╋ ━━ ━ ━┫ ┃ ┃ 27 ┃┃ 2085．25 ┃ 0．8 678 ┃ 0．0833 ┃ 0．9997 ┃ 0．4 085 ┃ O．1973 ┃ 0．4117 ┃ 0．214 4 ┃ 2 ┃ 1．98 8 1 ┃ 0．5973 ┃ 1．992l ┃ 0．3946 ┃ 2 ┃ 0 ┃┃┣ ━ ━━ ━ ┫┣ ━ ━━ ━ ━━ ╋ ━━ ━ ━━ ╋ ━━ ━ ━━ ╋ ━━ ━ ━━ ╋ ━━ ━ ━━ ╋ ━━ ━ ━━ ╋ ━━ ━ ━━ ╋ ━ ━ ━━━ ╋ ━━ ━ ╋━ ━ ━━ ━ ╋━ ━ ━━ ━ ╋━ ━ ━━ ━ ╋━ ━ ━━ ━ ╋━ ━ ━━ ╋ ━ ━ ━━┫ ┃ ┃ 28 ┃┃ 2U2． 13 ┃ 0．54 67 ┃ 0．2961 ┃ 0．8 235 ┃ 0．7250 ┃ 0．6328 ┃ 0．68 25 ┃ 0．04 97 ┃ L ┃ 1．0179 ┃ 1．7921 ┃ 1．0050 ┃ 0．4963 ┃ 1 ┃ 0 ┃ ┃┣ ━ ━━ ━ ┫┣ ━ ━━ ━ ━━ ╋ ━━ ━ ━━ ╋ ━━ ━ ━━ ╋ ━━ ━ ━━ ╋ ━━ ━ ━━ ╋ ━━ ━ ━━ ╋ ━━ ━ ━━ ╋ ━━ ━ ━━ ╋ ━━ ━ ╋━ ━ ━━ ━ ╋━ ━ ━━ ━ ╋━ ━ ━━ ━ ╋━ ━ ━ ━ ━╋━ ━ ━━ ╋ ━━ ━ ━┫ ┃ ┃ 29 ┃┃ 2355．37 ┃ 0．4 524 ┃ 0．3426 ┃ 0．6005 ┃ 0．7658 ┃ 0．8 992 ┃ 0．8 34 6 ┃ 0．0646 ┃ ． 1 ┃ 1．0006 ┃ 0．0550 ┃ 1．0006 ┃ 0．0629 ┃ l ┃ 0 ┃┃ ┣ ━━ ━ ━┫ ┣ ━━ ━ ━━ ━ ╋━ ━ ━━ ━ ╋━ ━ ━━ ━ ╋━ ━ ━━ ━ ╋━ ━ ━━ ━ ╋━ ━ ━━ ━ ╋━ ━ ━━ ━ ╋━ ━ ━━ ━ ╋━ ━ ━╋ ━ ━━ ━ ━╋ ━ ━━ ━ ━╋ ━ ━━ ━ ━╋ ━ ━━ ━ ━╋ ━ ━━ ━ ╋━ ━ ━━ ┫ ┃┃ 30 ┃ ┃ 2358．00 ┃ 0．6463 ┃ 0．5205 ┃ 0．535l ┃ O．774 4 ┃ 0．2919 ┃ 0．38 70 ┃ 0．095l ┃ 2 ┃ 1．9991 ┃ 0．04 36 ┃ 1．998 9 ┃ 0．0567 ┃ 2 ┃ 0 ┃ ┣ ━━ ╋ ━━ ━ ━╋ ━ ━━ ╋ ━━ ━ ━━ ━ ╋━ ━ ━━ ━ ╋━ ━ ━━ ━ ╋━ ━ ━━ ━ ╋━ ━ ━━ ━ ╋━ ━ ━━ ━ ╋━ ━ ━━ ━ ╋━ ━ ━━ ━ ╋━ ━ ━╋ ━ ━━ ━ ━╋ ━ ━━ ━ ━╋ ━ ━━ ━ ━╋ ━ ━━ ━ ━ ╋ ━━━ ━ ╋━ ━ ━━ ┫ ┃┃ 3l ┃ ┃ 3164．00 ┃ 0．5300 ┃ 0．3333 ┃ 0．0758 ┃ 0．8 939 ┃ 0．9918 ┃ 0．98 63 ┃ 0．0055 ┃ 1 ┃ 1．0006 ┃ 0．0006 ┃ 1．0065 ┃ 0．0065 ┃ l ┃ 0 ┃ ┃ 预 ┃ ┃ 安l ┃ ┃┃ ┃ ┃┃ ┃ ┃┃ ┃ ┃┃ ┃ ┃┃ ┃ ┃┣ ━ ━━ ━ ┫┣ ━ ━━ ━ ━━ ╋ ━━ ━ ━━ ╋ ━━ ━ ━━ ╋ ━━ ━ ━━ ╋ ━━ ━ ━ ━ ╋━━ ━ ━━ ╋ ━━ ━ ━━ ╋ ━━ ━ ━━ ╋ ━━ ━ ╋━ ━ ━━ ━ ╋━ ━ ━━ ━ ╋━ ━ ━ ━ ━╋━ ━ ━━ ━ ╋━ ━ ━━ ╋ ━━ ━ ━┫ ┃ 测 ┃ 32 ┃┃ 3166．50 ┃ 0．528 2 ┃ 0．4589 ┃ 0．04 59 ┃ 0．714 0 ┃ 1．0000 ┃ 1．0000 ┃ 0．0000 ┃ 1 ┃ 1．0004 ┃ 0．0004 ┃ 1．0029 ┃ 0．0029 ┃ l ┃ 0 ┃ ┃ ┣━ ━ ━━ ╋ ━━ ━ ╋━ ━ ━━ ━ ━╋ ━ ━━ ━ ━╋ ━ ━━ ━ ━╋ ━ ━━ ━ ━ ╋ ━━━ ━ ━╋ ━ ━━ ━ ━╋ ━ ━━ ━ ━╋ ━ ━━ ━ ━╋ ━ ━━ ╋ ━━ ━ ━━ ╋ ━━ ━ ━ ━ ╋━━ ━ ━━ ╋ ━━ ━ ━━ ╋ ━━ ━ ━╋ ━ ━━ ━ ┫┃ 样 ┃ 33 ┃┃ 980．485 ┃ 0．2024 ┃ 0．4288 ┃ 0．214 9 ┃ 0．558l ┃ 0．848 9 ┃ 0．8 504 ┃ 0．0015 ┃ 1 ┃ 1．0006 ┃ 0．0006 ┃ 1．0012 ┃ 0．0012 ┃ 1 ┃ 0 ┃┃ 太 ┃┃ 安2 ┃┃┃ ┃ ┃┃ ┃ ┃ ┃ ┃┃┃ ┃ ┃┃ ┃ ┃┣ ━ ━━ ━ ┫┣ ━ ━━ ━ ━━ ╋ ━━ ━ ━━ ╋ ━━ ━ ━━ ╋ ━━ ━ ━ ━ ╋━━ ━ ━━ ╋ ━━ ━ ━━ ╋ ━━ ━ ━━ ╋ ━━ ━ ━━ ╋ ━━ ━ ╋━ ━ ━━ ━ ╋━ ━ ━ ━ ━╋━ ━ ━━ ━ ╋━ ━ ━━ ━ ╋━ ━ ━━ ╋ ━━ ━ ━┫ ┃ ┃ 34 ┃┃ 98 7．018 ┃ 0．063l ┃ 0．5278 ┃ 0．3450 ┃ 0．74 03 ┃ 0．7368 ┃ 0．7295 ┃ 0．0073 ┃ 1 ┃ 1．0019 ┃ 0．0019 ┃ 1．0026 ┃ 0．0026 ┃ l ┃ O ┃ ┗ ━━ ┻ ━━ ━ ━┻ ━ ━━ ┻ ━━ ━ ━━ ━ ┻━ ━ ━━ ━ ┻━ ━ ━━ ━ ┻━ ━ ━━ ━ ┻━ ━ ━━ ━ ┻━ ━ ━━ ━ ┻━ ━ ━━ ━ ┻━ ━ ━━ ━ ┻━ ━ ━┻ ━ ━━ ━ ━┻ ━ ━━ ━ ━┻ ━ ━━ ━ ━ ┻ ━━━ ━ ━┻ ━ ━━ ━ ┻━ ━ ━━ ┛ 注Y ‘ l，裂缝；Y ’ 2，非裂缝；括号内的数据不是输入参数，仅作为计算R之用；R 为y与旷的相对误差绝对值。 ‘∥中国石油勘探 2009年第1期 62 学兔兔 w w w .x u e t u t u .c o m 使用30个学 习样本 表1，通过 多元逐步回归分 析[ 25,26]发现 自变量逐步引入的次序为玛，诋，溺，弱， X l，x4，x3，相应的残余方差分别为0 ．6098 3，0．513 13， 0．4 7963，0．4 5595，0．4 1081，0．40278，0．4 0165