（计算机应用技术专业论文）神经模糊混合软计算用于油藏参数研究.pdf

中文摘要 专业：计算机应用技术 硕士生：雷娟( 签名) ! 垂丝 指导教师：曹庆年( 签名) 函可 程国建( 签名) 摘要 随着油田勘探和开发，勘探开发难度日趋加大。这就要求地质工作者尽可能的掌握 油藏参数，提高开发效益。因此，必须建立反映实际情况不同的地质模型，为了对油藏 参数做出精确的预测及提高油藏的开采率。我们进行了神经模糊混合计算在岩石可钻性 方面的研究和应用。岩石可钻性是钻头选型和提高钻井速度的基础，利用石油测井资料 计算岩石的可钻性是一种行之有效的途径。但是常规的岩石可钻性测井预测模型都是基 于回归分析而建立起来的，形式简单，精度不高。本文将介绍利用神经模糊混合方法对 测井资料进行岩石可钻性的研究成果。从测井信息与岩石可钻性的内在联系出发，选取 与岩石可钻性密切相有关的参数，通过神经模糊技术利用测井资料能准确地计算出岩石 可钻性，并同b p 神经网络模型预测结果进行了比较，结果表明该方法比b p 方法更准确。 将该研究用于测井资料处理中，为新井钻头选型提供了较好的依据。 关键词：岩石可钻性；神经模糊；混合方法；回归分析；测井数据 论文类型：应用研究 ( 本文得到国家自然科学资金项目的资助) 英文摘要 s u b j e c t ： s p e c i a l i t y ： n a m e ： l n s t r u c t o r ： a s t u d yo nr e s e r v i o rp a r a m e t e rb yu s i n gn e u r o f u z z yh y b r i da p p r o a c h c o m p u t e r a p p l i c a t i o nt e c h n o l o g y l e ij u a n ( s i g n a t u r e ) 丝造 c a o q i n g n i a n ( s i g n a t u r e ) c h e n gg u o j i a n ( s i g n a t u r e w i t ht h eo i lf i e l de x p l o r a t i o na n dt h ed e v e l o p m e n t ，t h ee x p l o r a t i o nb e a ：o m e sm o r ea n d m o r ed i f f i c u l td a yb yd a y t h i sr e q u i r e sg e o l o g i s tm a s t e r st h eo i ld e p o s i tp a r a m e t e ra sf a ra s p o s s i b l ea n de n h a n c e st h ed e v e l o p m e n tb e n e f i t t h e r e f o r e ，w em u s te s t a b l i s ht h ef e e d b a c ka t p r e s e n ti nt h ed i f f e r e n tt h eg e o l o g i c a lm o d e ls i t u a t i o n i no r d e rt om a k et h ep r e c i s ef o r e c a s tt o t h eo i ld e p o s i tp a r a m e t e ra n de n h a n c e st h eo i ld e p o s i tm i n i n gr a t e ，w ec o n d u c tar e s e a r c ho n r o c kd r i l l a b i l i t yu s i n gt h en e u r o f u z z yh y b i r dc o m p u t a t i o n r o c kd r i l l a b i l i t yi st h eb a s i sf o r s e l e c t i n gt h e d r i l l b i ta n de n h a n c i n gt h ed r i l l i n gv e l o c i t y i ti saf e a s i b l ea n de f f e c t i v e a p p r o a c h t oc a l c u l a t er o c kd r i l l a b i l i t yf r o mw e l l l o gd a t a t h et r a d i t i o n a lp r e d i c t i o nm o d e lo f r o c kd r i l l a b i l i t yi sb a s e do nr e g r e s s i o na n a l y s i sa n dt h ea c c u r a c yi sn o ts og o o df o rp r a c t i c a l a p p l i c a t i o n t h i sp a p e rs t u d i e st h ec a l c u l a t i o no fr o c kd r i l l a b i l i t yf r o mw e l l l o g g i n gd a t a b a s e do nn e u r o f u z z yh y b r i da p p r o a c h b e g i n n i n gw i t ht h er e l a t i o n s h i pb e t w e e nw e l l l o g i n f o r m a t i o na n dr o c kd r i l l a b i l i t y , w es e l e c tp a r a m e t e r sr e l a t e dt or o c kd r i l l a b i l i t ya n dt h e n u t i l i z et h ew e l l - l o g g i n gi n f o r m a t i o nt oc a l c u l a t er o c kd r i l l a b i t i t yb yu s i n gr l e u r o f u z z y a l g o r i t h m t h er e s u l t ss h o wt h a tt h ea p p r o a c hi sm o r ea c c u r a t et h a nt h ef o r e c a s tm o d e lo f b p t h i sa p p r o a c hp r o v i d eas u i t a b l ec r i t e r i o nf o rs e l e c t i n gt h ed r i l l - b i to f n e wo i lw e l l s k e yw o r d s ：r o c kd r i l l a b i l i t y ；n e u r o f u z z ys y s t e m ；h y b r i da p p r o a c h ；r e g r e s s i o na n a l y s i s ； w e l l l o g g i n gd a t a t h e s i s ：a p p l i c a t i o ns t u d y ( t h ep a p e ri ss u p p o r t e db yn a t i o n n a t u r es c i e n c ef o u n t i o no fc h i n a ) i 学位论文创新性声明 本人声明所呈交的学位论文是我个人在导师指导下进行的研究工作及取得的研究成 果。尽我所知，除了文中特别加以标注和致谢中所罗列的内容以外，论文中不包含其他 人已经发表或撰写过的研究成果；也不包含为获得西安石油大学或其它教育机构的学位 或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均己在论文中做 了明确的说明并表示了谢意。 申请学位论文与资料若有不实之处，本人承担一切相关责任。 论文作者签名：虹日期： 兰竺z 二皇二! 学位论文使用授权的说明 本人完全了解西安石油大学有关保留和使用学位论文的规定，即：研究生在校攻读学 位期间论文工作的知识产权单位属西安石油大学。学校享有以任何方法发表、复制、公 开阅览、借阅以及申请专利等权利。本人离校后发表或使用学位论文或与该论文直接相 关的学术论文或成果时，署名单位仍然为西安石油大学。 论文作者签名 导师签名 b 强：幽z = 匝i i 日期：主驾望签= ，6 注：如本论文涉密，请在使用授权的说明中指出( 含解密年限等) 。 第一章绪论 第一章绪论 1 1 领域背景与课题意义 随着油田的勘探和开发，勘探开发难度日趋加大，投资和费用日益增加。这就要求 石油地质工作者尽可能地掌握油藏的各种参数，提高勘探开发效益。因此，必须建立反 映不同地质特征的储层、油藏地质模型，对油藏进行三维空间定量的一体化系统研究一 油藏描述【1 】。油藏描述技术是国内外近2 l d 年发展起来的综合评价油藏的新学科。它以构 造地质学、沉积学、数理统计学等理论为基础，以计算机为手段，通过地质、地震、测 井及测试技术多学科、多层次的交互，从三维空间精细地对油藏各种属性进行描述。其 目的是为油藏模拟制定最优开发方案并提供地质模型，同时为储量计算提供参数和为投 入开发提供油藏综合评定，以此有效地提高勘探开发水平与效益，因而引起了国内外石 油地质工作者的重视并得到了迅速的发展。油藏描述是最大限度地综合应用地质、地震、 测井、钻井取心等资料，研究油气田的地质构造，定量描述油气藏储参数的空间分布， 计算油气地质储量，以及开发过程中的油藏基本参数的动态变化规律。油藏描述技术对 加速油气田的勘探进程，提高开发效果及总体的经济效益都有着重要的意义。油气藏储 集参数简称油藏参数，包括砂岩厚度、物性参数如孔隙度、渗透率、含油饱和度等。 上世纪8 0 年代初，油藏描述的基本方法是以测井资料为主，对关键井进行测井相分 析、油田测井资料数据标准化处理。油藏描述研究主要提供能反映储层纵向连续性的单 井综合测井评价结果，既以成果图和数据表的形式，按一定采样间距逐点地显示出储集 层的岩性与基本参数，提供能反映储层几何形态、储层属性参数在二维、三维空间变化 的全油田综合研究成果，包括全油田各种参数的综合数据表，各种计算参数的网格和等 值图，如孔隙度图、渗透率图等。针对不同地区的地质特点、资料拥有程度和勘探开发 进程的情况，油藏描述的研究方法、内容、目的也不尽相同。 上世纪9 0 年代初，油藏描述技术日趋成熟，主要应用测井、地震、油田地质和岩心 资料以及生产测试等资料，对油藏的几何形态、静态和动态参数及其空间分布进行了综 合的评价，为油藏模拟、储量估算、优化开发方案及提高采收率方案提供了可靠的数据 资料。油藏描述研究的范围已逐点发展为包括岩石特性、构造特性、储层性质和综合研 究四个方面。油藏描述的主要特点发展为： ( 1 ) 深入分析有关资料解释问题； ( 2 ) 采用最新技术从测井资料提取最大量的信息； ( 3 ) 应用岩心资料识别测井分析分辨出岩相类型； ( 4 ) 应用岩心分析资料，确定最佳评价模型，采用测井相资料对储集分层进行确定 利用岩心资料刻度测井解释岩石物理参数； ( 5 ) 应用生产测试资料确定渗透率的变换关系； ( 6 ) 应用生产测试资料和套管井测量结果，刻度单井动态模拟的有效性； 西安石油大学硕士学位论文 ( 7 ) 利用三维地震和地层倾角资料，改善所确定的储集层构造的准确性； ( 8 ) 应用最新技术进行计算机绘图。 油藏描述研究内容可归纳为： ( 1 ) 油气田地质构造和储层几何形态的研究； ( 2 ) 关键井的研究及解释模型的确立； ( 3 ) 油田参数转换关系的确定、渗透率估算及测井项目不全井的评估； ( 4 ) 单井测井评估； f 5 ) 多井处理、单井动态模拟研究与三维油藏模型的建立。 进入匕佳竖冠9 0 年代，伴随计算机的广泛应用，特别是高速工作站的日趋普及，这更 有利于各学科的专家协同地进行油藏描述。现代油藏描述研究的重点逐渐向模式化、定 量化、高度自动化转移，加强了对油藏地质模型的研究。现代油藏描述研究不再以测井 资料为主，而是强调以地质为主体，综合运用地质、地震、测井、生产测试等资料，对 油藏进行三维空间的一体化研究，研究方法、研究内容、研究深度及广度，尤其在综合 分析、高度自动化方面。在利用计算机进行典型曲线最优化自动拟合方面，人们已经做 了大量的工作，研究出了多种非线性回归的油藏参数自动估计方法，如l e n v e n b e r g m a r q u a r d t 方法( l m ) 、最小绝对值方法( l a v ) 以及各种修正的方法。但研究和应用结 果表明，这些最优化方法都是通过求解使目标函数梯度为零的一组非线性方程来进行搜 索最优解的。它们要求目标函数连续可微，并且受初值影响很大，是属于寻找局部最优 解的方法，无法解决试井分析特别是早期试井分析中解的不唯一性难题。 未来油藏描述发展的趋势是进一步提高多学科协同分析的综合程度。这种新发展是 将地质统计学分析技术、地质过程的计算机模拟、人工智能及专家系统、模糊数学、灰 色系统理论、系统分析、分析几何理论和耗散结构理论，逐渐地有选择的应用于油藏描 述中，其目的是以第一性的岩心资料刻度第二性的解释资料，以井点资料预钡测井间的 资料，得到更正确、更逼真真实地层信息的模型，以便提高对油田构造、沉积、储层、 流体和油藏的预测精度 2 - 4 。 随着获取高储量、高产能的臼趋困难，传统上利用手工进行大量的地质解释还不能 满足时代发展的需要。只有充分地运用数学、计算机等技术才能逐渐达到真正完善的地 步，从根本上揭示油藏地质规律。而这必须以地质学理论为基础，综合运用测井、物探、 生产测试、岩心等资料，以数学、计算机为手段，对油藏进行三维空间定量描述。传统 意义上的油藏描述是以测井为主体的研究技术。现代油藏描述则是强调以地质为主体， 一切手段均为地质工作进行服务，使测井、地震、地质、油藏工程的研究一体化，促进 了各学科间的信息转化为有效的地质信息。借助工作站进行的多学科协同攻关的研究已 成为9 0 年代油藏描述技术发展的大趋势。将地质统计学、多元地质统计学、地质过程的 计算机模拟、人工智能专家系统、模糊数学、灰色系统理论、分析几何及耗散结构理论 应用于油藏描述技术，使油藏研究全部定量化成为可能。 第一章绪论 1 2 岩石可钻性 石油的产生有着不可重复性，不可实验性的特点。人们对地下油藏的认识存在很多 的疑问，由于某些不正确的认识会带来巨额生产资金消耗。准确预测油藏参数，对石油 的生产有重大的实际意义，可以提高生产效益，为国家节约巨额的资金。油藏参数在现 代的油藏描述中起着关键的作用，但是对油藏参数做出精确的预测却是一个很困难的问 题，这主要是因为我们不能理解岩相的空间分布。因此很多的油田的开采效率很低，基 于传统方法的技术是不足的，因此提出了神经模糊混合软计算【5 一】在油藏参数方面的研 究。其目的是为了对油藏参数做出精确的预测及提高油藏的开采率。 岩石可钻性是在某种规定的指标下，以一定量度来表示岩石破碎的难易程度。根据 岩石本身固有抗钻能力的大小，结合不同的碎岩方式，可对岩石可钻性做出定量划分。 目前，广泛使用可钻性指标的确定方式主要有两大类：一是统计法，采用实际机械钻速 表示；二是传统法，即在室内通过测试岩石试样的物理力学性能，或用微钻头钻时评价 可钻性指标。前者受地层、钻头类型等因素影响，后者表现出滞后性、费用高等。岩石 可钻性由岩石自身内在本质决定。岩石可钻性包括破碎对象和破碎工具，否则不能称为 可钻性，只能称为一般的物理力学性质或可钻性的模拟量。钻井过程中，地层岩石被钻 头破碎形成岩屑后随钻井液上返到地面。在井口取样后，使用分形方法分析上返岩屑的 分形特征研究岩心可钻性，可避免传统方法的滞后性、周期长、费用高等缺点。 岩石可钻性用以表征岩石的抗钻强度的大小，是岩石物理性质在钻进时的综合表现， 是钻头选型和优选参数钻井最重要的参数之一。目前国内外普遍采用声波时差测井资料 来预测岩石可钻性。但是声波时差是岩石声学特征的综合反映，主要包括岩性、空隙度、 空隙流体类型，并不能完全反映岩石抗钻强度的大小，因此岩石可钻性预测精度不是很 高。现有研究结果表明，岩石的可钻性与地层物性、岩性、电性、流体特性等因素密切 相关，也就是说与声波时差、地层密度、电阻率以及泥质含量等测井参数关系密切，测 井资料可以较好地反映岩石的物理特性。其中声波时差反映了地层的拉伸、地层的剪切 变形、压缩变形及强度特性；而地层的岩石可钻性【s q o 则反映了岩石抗钻头冲击与剪切 破坏的能力。因此岩石的声波时差必然能反映地层的岩石可钻性，研究已经证实了岩石 可钻性与岩石声波时差的关系最为密切，当岩石声波时差越小时，其可钻性就越差，因 此可钻性的级值颤就越大：地层密度是影响岩石弹性参数和岩石强度的重要参数，对同 种岩性地层来说，随着地层密度的增加，地层孔隙度变小，岩石的可钻性就变的越差， 因此岩石可钻性级值颤就变的越大；岩石电阻率反映的是地层的致密程度和饱和流体特 性，因此岩石电阻率高低与岩石的致密程度有关，当电阻率越大，岩石可钻性就越差， 岩石可钻性级值t 就变的越大，所以岩石电阻率与可钻性之间为负相关关系；当泥质含 量越大时，岩石的可塑性就变的越好，所以岩石的可钻性级值k 就变的越小。 西安石油大学硕士学位论文 1 3 混合软计算 现实世界中存在许多问题需要对非确定和非精确信息进行分析。通常对问题领域的 不完全理解更增加了建立用于解释过去和预测未来模型的难度。这些问题为软计算技术 的应用提供了一个很好的机会。软计算( s o f tc o m p u ti n g ，s c ) 这个术语，最初由z a d e h 教授创造用以表示这样的系统：探究对非精确、非确定的数据和不完整的领域知识的融 合，以期达到对待解决的问题易处理、鲁棒性低的解决成本和接近现实的特性。软计算 是各种计算方法的联合，主要包括模糊逻辑、神经计算、进化计算和概率计算等。 软计算的本质与传统硬件不同，其目的在于适应现实世界遍布的不精确。因此软计 算的指导原则是开拓对不精确、不确定和部分的容忍，以达到可处理性、鲁棒性、低成 本求解以及与现实更好的紧密联系。在最终的分析中，软计算的作用模型是人的思维。 “软计算”是相对于“硬计算”( 传统计算) 而言的，传统计算的主要特征是严格、确定 和精确。但是它并不适合处理现实生活中的许多问题，例如汽车驾驶。“软计算”通过对 不确定、不精确及不完全真值的容错来取得低代价的解决方案和鲁棒性。它模拟自然界 中智能系统的生化过程( 人的感知、脑结构、进化和免疫等) 来有效地处理日常工作。1 9 9 2 年，模糊理论创始人美国加州大学伯克利分校的z a d e h 教授指出人工神经网络、模糊逻辑 及遗传算法与传统计算模式的区别，将它们命名为软计算。软计算它不是一个单独的方 法论，而是各种方法的集合。主要的是集合中的成员是互为补充而不是相互竞争，为此， 通常是将集合中的成员联合起来使用而不是互相排斥。这就导致所谓混合系统。在这个 结合中，这种系统最引人注目的系统就是神经一模糊系统。 神经一模糊和软计算是一门新颖的学科，作为一种创建计算智能系统的新颖办法， 正在引起人们的关注。目前已经认识到，复杂的实际问题需要智能系统对不同来源的知 识、技术、方法进行组合。人们期望这些智能系统在特定领域拥有像人类一样的专门的 知识，并在变化的环境中能够调节自身将学习做得更好，并对怎样做出决策和采取行动 进行解释。在解决实际1 8 。o l 计算问题时，协同地而不是互斥地采用几种计算技术通常具 有更好的优越性，所产生的系统为互补的混合智能系统。而这种智能系统的核心就是神 经模糊计算。其中神经元网络负责识别模式和按变化的环境进行自适应调节，模糊推理 系统包含对人类知识进行推理和决策。神经模糊系统就是神经网络和模糊系统的组合。 最开始神经网络和模糊系统这两方面是互相独立的，但是随着软计算的发展，这两方面 的组合也得到了一定的发展，如张智星创建的自适应神经模糊推理系统( a n f i s ) 已经应 用于很多领域。这说明两者的结合为很多复杂问题的解决带来好处。 1 4 本文组织结构 本文共分七章。第一章绪论部分。首先简单介绍了石油领域研究的背景、石油研究 中存在的问题以及该课题的研究意义，同时简单提出了岩石可钻性、软计算的情况。 4 第一章绪论 第二章重点讨论了软计算。对软计算的发展历史、提出的动机等情况做了简要介绍， 并对软计算的组成神经网络、模糊逻辑、概率计算也做出介绍。 第三章主要讨论了人工神经网络模型和算法。神经网络的研究在最近十几年取得了 引人注目的进展，在包括计算机科学、人工智能、认知科学、信息科学、微电子学等众 多学科领域都得到了广泛应用，其算法也是多种多样。简单地介绍了几种神经网络地模 型以及算法。 第四章重点讨论模糊数学理论与方法。将模糊数学的一些重要概念做简要介绍，并 介绍了模糊数学理论的一些模糊推理系统，它们是模糊神经网络形成的根本依据。 第五章着重介绍了模糊系统和神经网络的结合。对于它们已经形成的神经模糊系统 的算法进行了详细的研究和说明。 第六章是本文的重点，着重介绍了模糊神经网络混合方法的结构原理。同时给出了 已提出的b p 神经网络的岩石可钻性研究的模型，对本文提出的混合模糊神经算法进行 岩石可钻性数值的测试，同时把b p 模型产生的结果和混合方法的模型产生的结果进行 对比和分析。 第七章是对本文的总结和展望。 西安石油大学硕士学位论文 第二章软计算 由于软计算的目的是在于解决现实世界的决策、建模、和控制问题，而这些问题通 常不能精确地定义并需要人的干预，因此在将来，我们可以看到软计算的应用在数量上 会得到迅速增长，其范围从家用电气、工业控制到决策支持和金融贸易等各个行业。本 节首先对软计算的发展、定义、组成等进行说明，最后对软计算的成员进行简单的介绍。 2 1 从传统人工智能到软计算 人工智能( a r t i f i c i a li n t e l l i g e n c e ) ，英文缩写为a i ，它是计算机科学、控制论、信息 论、神经生理学、心理学、语言学等多种学科互相渗透而发展起来的一门综合性学科。 从计算机应用系统的角度出发，人工智能是研究如何制造出人造的智能机器或智能系 统，以模拟、延伸和扩展人类的智力能力的科学。 传统a i 致力于以语言或符号规则的形式来表达和模拟人类的智能行为。自1 9 5 6 年 在达特茅斯( d a r t m o u t h ) 会议上提出“人工智能”这个概念以来，在其后的大部分时间里， 人工智能主要是符号主义，特别是在“物理符号系统”假设的背景下，通过对计算机的 编程来实现的。1 9 7 6 年，纽厄尔( a n e w e l l ) 和西蒙( l a s i m o n ) 在计算机协会通讯 杂志上发表著名论文作为经验探索的计算机科学：符号和搜索，两人从符号语义的 观点出发，对智能的本质进行了深入分析。他们一致认为“正如不存在能通过自己的特 殊性质表示生命实质的生命原理一样，也不存在任何智能原理，他们认为计算 机之所以能表现智能的特征，是因为它具有存储和处理符号的能力。“我们衡量一个系 统的智能水平，是看它在面临任务环境所设置的种种变动、困难和复杂性时，达到规定 目的的能力。当所完成的任务范围有限时，计算机科学在实现智能过程中的这一总的投 入并不引人注目，因为这时可以准确地预见这一环境中的全部变动。当我们将计算机扩 展到处理自然界中的全部偶发事件时，它就变得较为醒目了”。因此，“符号是智能行动 的根基”，智能水平则取决于系统处理符号的能力。“我们这里的目标并不是从外部世界 做出理解。我们要考察这门科学( 指人工智能) 的一个方面通过经验探索而形成世界 做出理解。这个“新的基本的理解”就是“物理符号系统”假设。 在某些很窄的问题领域，不可否认如果存在明显的知识，“物理符号系统”假设将 具有重要的意义，如专家系统( e x p e r ts y s t e m ，简称e s ，其工作原理如图2 1 ) ，可谓成 功的传统越成果的典范。但是，“物理符号系统”假设的实现本身依赖于十分苛刻的条 件，即如果把计算机看成是符号系统的物理实现，那么，就必须要把被求解的问题形式 化，也就是把对象用统一的抽象符号和固定规则精确地表示出来。人们曾认为，只要符 号足够丰富，操纵这些符号的规则足够细致和严密，建立起一个能够为计算机识别和处 理的形式化系统是可能的。但是在其后的研究中人们发现，基于“物理符号系统”假设 的人工智能以静止的、精确的逻辑方式来处理问题，这与人类智能依靠人脑思维灵活地 6 第二章软计算 处理问题的方式显然不是同一个概念。人类有共同的逻辑，但却没有共同的思维方式， 因而试图通过向计算机灌输一整部百科全书的方式来使计算机获得令人满意的问题处 理方式，除在极个别非常狭窄的专业范围内，通常情况下都是失败的。e s 算是一个成功 的范例，但是它本身是基于明显知识以简单的问题为对象的系统，只是行为可以存储在 符号结构化数据库的假设下的特殊情况。对“物理符号系统”假设的依赖使传统人工智 能在二十世纪八十年代陷入了困境。 用 户 接 口 图2 1 专家系统 上世纪9 0 年代，以不确定性、非线性、时间不可逆性为内涵，以复杂的问题为对象 的科学新范式得到学术界的普遍认同。1 9 9 4 年关于神经网络、演化程序设计、模糊系统 的三个国际学术会议在美国弗罗里达州奥兰多市联合举行了“首届计算智能世界大会” ( w c c i ) ，进行了题为“计算智能模仿生命”的主题讨论会，取得了关于计算智能的共 识。继传统人工智能之后，计算智能犹如异军突起，吸引着众多研究开发者投身于这一 新领域的开拓。因此，从某种意义上来说，软计算】是传统人工智能的补充。 2 2 软计算提出背景与动因 如何有效地在充满环境不确定因素的状态下，面对资源有限的情形进行现实问题的 决策与控制是人类生存繁衍，生生不息的永恒主题。从历史的角度看，人类在近代寻求 现实问题的过程中，走的是这样一条技术路线：简单定性信息处理模式一以基于微积分 方法为主的定量信息处理模式一定性定量相结合( 从定性到定量) 的信息处理模式。 早期，由于人们的理论基础的匮乏和技术手段的落后，严重地制约了人类与大自然 协调共处可持续发展的能力和水平。随着人类面临的社会发展、生产生活、科学研究中 的决策、控制、优化、规划、制造等问题的日益复杂，所处的人文、自然环境的不确定 程度与日俱增，历史上占统治地位的微积分方法体系存在以下缺憾。 7 西安石油大学硕士学位论文 1 模型的过分依赖性。大部分基于微积分的方法都要求所研究的问题有完整的数学 甚有良好的分析性质，这在许多现实问题中难以满足。 2 实际的决策问题引发基于微积分优化策略中约束和不确定性的困难。对于前者， 如何寻求下降且可行方向及如何辨析有效性无效约束困难重重：对于后者，不确定性的 出现带来额外的计算开销。 3 微积分方法体系限制寻求全局最优。而这在大部分现实问题中是人类的最终需求， 有鉴于此，兼顾定性定量的从定性到定量信息处理模式一基于启发式搜索的问题处理体 系在近几十年来迅速崛起并可望与基于微积分的方法体系一道成为共同担负起解决上述 问题的有利手段。在这种问题处理体系中，作为一个重要代表，2 0 世纪9 0 年代初提出的 软计算方法体系，近来获得了深入的理论和应用研究，成为处理和解决众多复杂决策与 控制问题的重要思路。这一方法体系的目的：研究和开发对不精确性、不确定性和不完 全真实性的容忍的获取可驾驭性，鲁棒性解的低成本及与事实更好的亲合力。它是诸多 组成部分一模糊逻辑( f u z z yl o g i c ，f l ) 、神经计算( n e u r oc o m p u t i n g ，n c ) 、进化计算 ( e v o l u t i o n a r yc o m p u t i n g ，e c ) 、概率计算( p r o b a b i l i s t i cc o m p u t i n g ，p c ) 、模拟退火( s i m u l a t e d a n n e a l i n g 。s a ) 、序数优化( o r d i n a to p t i m i z a t i o n ，0 0 ) 的方法集合体。它们各不相同，但在 软计算目标层次上又高度一致。 软计算概念的创始人z a d e h 在不同场合多次强调：软计算的成员间在问题求解中是 互为补充而非竞争。为此，通常将其联合使用，并认为这将导致所谓混合智能系统的形 成。事实上，由于软计算成员鲜明的特色和迥异的侧重点，使得这种混合可行、必要、 重要。因此，软计算的成员问的混合以及软计算与其它方法的混合在问题求解层面上极 具重要的研发意义。软计算是与机器智能直接有关的概念，这个概念是在最近几年才开 始明朗的，在人工智能诞生将近4 0 年之后。我们终于可以说，智能系统已经变成现实。 为什么智能系统的到来要花费那么长时间呢? 在开始阶段，a i 研究者大大低估了议程上 所要达到的宏伟目标的困难。所需要的技术没有到位，且在a i 体系中，概念性工具一主 要是谓词逻辑和符号操作技术一在现实世界应用的意义上，不是建立可称之为智能机器 的合适工具。 今天我们拥有了按要求建立智能系统【l2 】所要的硬件、软件和传感器技术。但是，更 重要的是：在智能系统设计和概念中，我们还拥有远比基于逻辑方法( 它是形成传统a i 的核心) 有效的计算工具。这个所提到的工具是从方法论的集合中衍生出来的，该集合归 属于大家已经熟知的软计算主题下。软计算技术的运用很大程度上起因于那些被认为够 格拥有很高m i q ( 机器智商) 的消费产品和工业系统的品种及花样的迅速增长。 “软计算”是正在发展起来的一种计算方法，它与人脑相对应，具有在不确定及 不精确环境中进行推理和学习的卓越能力。软计算由若干种计算方法构成，除上面提到 的神经元网络、模糊集合理论、遗传算法外，近年来将近似推理、模拟退火算法等都归 入软计算。 第二章软计算 2 3 软计算的定义、组成及研究方法 “软计算”是相对于“硬计算”( 传统计算) 而言的，所谓的软计算是指对研究对象 只求近似而非精确解释的有效计算方法。传统计算的主要特征是严格、确定和精确。但 是它并不适合处理现实生活中的许多问题，例如石油描述、汽车驾驶等等情况。“软计 算”通过对不确定、不精确及不完全真值的容错来取得低代价的解决方案和鲁棒性。它 用模拟自然界中智能系统的生化过程来有效地处理日常工作。1 9 9 2 年，z a d e h 教授指出人 工神经网络、模糊逻辑及遗传算法与传统计算模式的区别，将它们命名为软计算。 软计算是正在发展起来的一种计算方法，它与人脑相对应，具有在不确定及不精确 环境中进行推理和学习的卓越能力。软计算不是一个单独的方法论，而是一个方法的集 合。在这个集合中的主要成员是模糊逻辑( f l ) 、神经网络d 矾) 、进化计算( e c ) 和概率 计算( p c ) ，除上面提到方法论外，近年来将近似推理、模拟退火算法等都归入软计算。 一般地软计算不进行很多的符号运算，这对于传统人工智能来讲，可谓一大福音。此外， z a d e h 教授曾多次强调：锨计算的成员间在问题求解中是互为补充而非竞争。为此，通 常将其联合使用，这将导致混合智能系统的形成”。事实上，由于软计算成员鲜明的特 色和迥异的侧重点，使得这种“混合”既可行也必要，软计算的成员间的混合以及软计 算方法与其它方法的混合在复杂问题求解层面上极具重要的研发意义。通常将f l 、n c 和p r 联合起来使用而不是竞争。这就导致所谓混合智能系统【l2 1 。在这个结合中，这种类 型最引人注目的系统就是神经一模糊系统。同时我们也开始看到了模糊一基因、神经一基因、 神经一概率推理和神经一模糊基因系统。这种系统在不久将来会普遍存在。 2 3 1 神经网络 神经网络的研究已有近6 0 年历史，研究出发点是用自下而上的方法从脑神经系统结 构来研究脑功能和大量简单神经元的集团信息处理能力及动态行为。最早的神经网络研 究可以追溯到1 9 4 3 年，心理学家m c c u l l o c h 和数学家p m s 总结了生物神经元的一些基本生 理特征，提出了形式神经元的数学描述与结构方法的m p 模型，开始了神经网络理论的研 究。1 9 4 9 年心理学家h e b b 提出了神经元之间突触联系强度可变的假设，并提出了h e b b 规则以及各种变形构成的所有神经网络的学习规则形式。2 0 世纪5 0 年代末r o s e n b l a t t 提出 的感知器第一次把神经网络研究付诸工程实践【”j ，并在一些应用领域取得了一定成绩。 6 0 年代美国学者m i n s k y 等对神经网络做出的悲观结论，这对神经网络的研究产生了重大 影响并导致了这方面研究的萧条。 标志神经网络研究高潮到来的是美国学者h o p f i e l d 于1 9 8 2 年和1 9 8 4 年发表文章提出 的h o p f i e l d 神经网络模型，其中引入了计算能量函数概念，给出了网络稳定性判断，它 的电子电路为神经网络的计算机实现奠定了基础，并开拓了神经网络用于联想记忆和优 化算法的途径。这些研究成果激发了更多的人投入到神经网络的研究当中来，使神经网 9 西安石油大学硕士学位论文 络在理论和应用方面都取得了重要进展。神经网络研究除了本身取得突破和进展以外， 还由于计算机科学和人工智能发展的需要，同时还为生物技术、超导技术和光学技术等 领域的发展提供了技术上的可能性。现在神经网络应用已经渗透到智能控制、模式识别、 信号处理等不同学科领域中。从神经网络发展轨迹看，神经网络理论有了更强的生物学 和数学性质，这是发展的大方向，同时神经网络的发展注重自身与其它学科的作用，不 断产生重要的概念和方法，形成良好的应用工具。 人工神经网络系统是由大量简单的处理单元组成，即神经元广泛地连接而形成的复 杂网络系统。在人工神经网络中，计算是通过数据在网络中的流动来完成的。在数据的 流动过程中，每个神经元从与其连接的神经元处接收输入数据流，对其进行处理以后， 再将结果以输出数据流的形式传送到与其连接的其它神经元中去。通过这个学习过程， 人工神经网络可以不断地从环境中自动地获取知识，并将这些知识以网络结构和连接权 值的形式存储于网络之中。人工神经网络具有良好的自学习、自适应和自组织能力，以 及大规模并行、分布式信息存储和处理等特点，这使得它非常适合于处理那些需要同时 考虑多个因素的、不完整的、不准确的信息处理问题。 常用于调节参数的局部寻优。以包含输入层、隐含层和线性输出层的三层神经网络 最为典型。其中，各神经元对输入做加权，所得结果被用作非线性激活函数的变元，该 函数最初为突变的域值函数，可由分段将其进化为可微的状态函数和g a u s s 函数。对输入 输出训练集和训练权值向量进行采样的学习方法可最小化误差函数。神经网络结构有竞 争网、自组织映射( s o m ) 、h o p f i e l d 网、自适应共振理论( a r t ) ，以及基于示例学习的 前馈式多层神经网( 有教师学习模式) ，而具有联想记忆、自组织的无教师模式则代表了新 动向。 2 3 2 模糊逻辑 自然和人工系统中存在着三种复杂性：随机性，模糊性和不确定性。2 0 世纪6 0 年代， z a d e h 教授发表了具有里程碑意义的文章模糊集合，在其中第一次系统地提出了刻画 和处理模糊不确定性的理论基础：模糊集合论。模糊集合论是处理模糊信息的有效方法， 其特点是用严格的数学方法分析模糊的系统信息，它铺设了经典的定量化方法和“模糊” 世界的桥梁。而模糊逻辑则是建立在模糊集合论基础上的处理不确定知识和近似推理的 主要方法。具体来讲，f l 有逻辑的方面：源于多值逻辑系统；集合论方面：源于难以定 义边界结合的表达；推理方面：注重模糊关系的表达与应用；认识论方面：包含了f l 在 基于知识的模糊系统和数据库上的应用。自模糊集合的概念提出以来，以模糊逻辑为核 心的模糊计算【j “7 】获得了广泛的应用，在自动控制、决策分析、智能系统等领域取得大 批成果。模糊计算与其它技术的有机结合，更使其可解问题域大为延拓，问题求解的质 量显著提高。以语言形式的逻辑变量来对动态系统建模，逻辑变量由局部语义程序确定 成员函数内涵，造句标记取得模糊值。其模糊推理机制具有插补性质，约束的传播具有 i o 第二章软计算 弹性，对系统变化中参数、干扰等的鲁棒性强，成为f l 的突出优点。在近几年，模糊逻 辑已经被广泛地应用在油藏描述的研究中，这主要是因为油藏地质是一个描述性的学科， 它大部分采用不确定、不精确、模糊的语言信息，模糊集理论处理这些信息并把它们和 量化的观察联系起来。 2 3 3 进化计算 进化计算研究的出发点是通过研究生物进化过程来解决实际问题，生物进化的基本 过程如图2 2 所示，其中主要体现出了“适者生存”规律。 图2 2 生物进化循环图图2 3 进化计算的组成 受生物界的自然选择和自然遗传机制启发，2 0 世纪后半叶以来，一类模拟生物界“物 竞天择，适者生存”的思想用以分析、设计、控制和优化人工系统计算方法一进化计算 提出。进化计算的组成如图2 3 所示，它的理论基础是达尔文的进化论，它是计算机科学 和生物遗传学相互结合渗透而形成的一种新的计算方法。进化计算采用简单的编码技术 表示各种复杂的结构，并通过对一组编码表示进行简单的遗传操作和优胜劣汰的自然选 择策略来指导学习和确定搜索方向。通过对群体进行复制、杂交和变异等遗传操作来进 行学术研究。进化算法可以在了解空间的不同区域中对多个点进行搜索，它能以很大的 概率找到全局最优解而不易陷入局部最优情况，因而具有较强的处理问题的鲁棒性，这对 于机械地处理问题的物理系统来说，有很重要的启发意义。 2 3 4 概率计算 概率计算( p r o b a b i l i s t i cc o m p u t i n g ) 也叫概率推理( p r o b a b i l i s t i cr e a s o n i n g ) ，其方法可 以分为两类：单值( s i n g l e v a l u e ) 系统和间隔取值( i n t e r v a l - v a u l e ) 系统。最初f h b a y e s i a n 提 出的贝叶斯置信网络( b a y e s i a nb e l i e f n e t w o r k s ，简称b b n s ) 是一种典型的单值概率推理 系统。b b n s 最初采用第一代专家系统中的一些近似方法并发展形成了通过网络传播概 率值的方法。一般概率推理系统，计算模型中所有变量的联合概率分布的计算具有指数 复杂性，常用的简化解决方法是作一些条件独立的全局假设，而这些假设往往和实际情 西安石油大学硕士学位论文 况不相符合，而b b n s 则使这种计算复杂性大为降低，其具体方法使在网络编码中体现 结构信息，如在网络拓扑中用两个变量结点之间的连接是否存在来表示这两个变量之间 是否独立。典型的间隔取值的概率推理系统是d e m p s t e r s h a f e r ( d s ) 系统。和多数b b n s 系统取单值是不同的，d s 系统提供了概率的上界和下界。d s 定理是由d e m p s t e r 和s h a f e r 分别提出的，d e m p s t e r 主要是针对多值映射提出了一个积分处理间隔取值概率，而s h a f e r 主要定义了一个置信函数的积分估计可信性，尽管他们的出发点不同，但是最后的结果 却是相同的。 概率计算【l8 】提供了一种估计随机性对系统结果影响的方法。和模糊逻辑相比较，两 者都考虑了不确定性因素，但是随机性和模糊性在处理不确定性因素方面的方法不尽相 同；在概率计算中，随机变量的取值本身就不确定，在定义好的空间中用概率值描述随 机变量取值的趋势和频率；而在模糊逻辑中，模糊不确定性是通过隶属度函数把一些确 定变量映射到一个不精确空间中人为引入的，这些空间就是模糊集合，模糊集合中的映 射取值是 0 ，1 之间的多值，映射取值表示了对某种模糊属性的满足程度，z a d e h 弓l 入模 糊事件的概率测度详细阐述了这两种概念的本质，而s e m e n t s 通过定义模糊事件的置信度 扩展了模糊事件的置信度函数。 2 4 小结 软计算方法将众多的解决复杂问题的技术结合在一起，为不确定性和不确切性问题 的解决提供了更为有效的方法，运用软计算方法来获取这些不精确、不确定的知识途径 还是比较初步的。当涉及到多个层次的概念之间关系时，如何用软计算方法求得它们： 对于非线性的动态的模型，在计算机中如何表现它们；若干个不同的软计算方法如何加 以组合来求解更为复杂问题以及在计算机上如何实现等，这些问题都有待于继续深入。 至目前为止，软计算的理论还处在起步阶段，其中还有许多的基本理论问题有待解决。如 何系统而全面地研究这些问题将是新世纪相关领域的学者所面临的共同任务。 第三章人工神经网络 第三章人工神经网络 人工神经网络是由大量简单的处理单元，以某种拓扑结构广泛地相互连接而构成的 复杂非线性动力学系统。它是在对以人脑为主要代表的生物神经系统的组织结构和行为 特征进行研究的基础上提出的。强调大量神经元之间的协同作用和通过学习的方法解决 问题是人工神经网络的重要特征。在本节中主要介绍神经网络的基本、常用的学习算法 以及典型的模型。 3 1 神经元结构 神经网络的基本单元也称神经元( 或人工神经元和处理单元) ，是对生物神经元的一 种模拟与简化。它是一种类似于最基本的生物神经元【1 5 1 ，它能完成生物神经元最基本的 三种处理过程： ( 1 ) 评价输入信号，决定每个输入信号的强度； ( 2 ) 计算所有输入信号的权重之和，并与处理单元的阀值进行比较； ( 3 ) 决定处理单元的输出。 人工神经网络元是一个多输入、