Mérnökgeofizikai szondázási adatok hiperparaméter-becsléssel támogatott inverziója = Inversion of direct-push logs supported by hyperparameter estimation

Szabó, Norbert Péter (2021) Mérnökgeofizikai szondázási adatok hiperparaméter-becsléssel támogatott inverziója = Inversion of direct-push logs supported by hyperparameter estimation. MAGYAR GEOFIZIKA, 62 (3). pp. 170-179. ISSN 0025-0120

Preview

Text MG-2021.pdf - Published Version Download (477kB) | Preview

Abstract

Az ismertetett módszer keretében felszínközeli telítetlen üledékek jellemzőit mérnökgeofi zikai szondázási adatok inverziójával határozzuk meg. Az elméleti szondaválaszfüggvényekben szereplő zónaparamétereket (kőzetmátrix- és fl uidumjellemzők) és a térfogatjellemző kőzetfi zikai mennyiségeket (víztartalom, kvarcartalom, agyagtartalom) közös inverziós eljárásban becsüljük. Az újonnan kifejlesztett metaalgoritmikus inverziós eljárás kétszintű, beágyazott algoritmust alkalmaz, amely a zónaparaméterek és a térfogatjellemző mennyiségek szukcesszív becslésén alapul. A belső ciklusban állandónak rögzített zónaparaméterek mellett keressük a mélységpontbeli jellemzők optimális értékeit, majd a külső ciklusban a zónaparaméterek változtatásával javítjuk a mélységpontbeli jellemzőket. Ezt a beágyazott technikát a gépi tanulás viszonylatában hiperparaméter-becslésnek nevezzük, ahol a zónaparaméterek felelnek meg a hiperparamétereknek. A térfogatjellemző mennyiségeket linearizált inverzióval fi nomítjuk, míg a zónális jellemzőket a diff erenciális evolúció módszerével becsüljük. Mindkét optimalizációs technika lehetővé teszi a modell paraméterek becslési pontosságának jellemzését. A tanulmány bemutatja a kétféle módszer egyesítésével kifejleszett genetikus metaalgoritmikus inverziós eljárás egy-, ill. kétdimenziós változatát. Az előbbi a fúrás teljes hossza mentén, míg az utóbbi több szomszédos fúrásban mért valamennyi szelvényadat együttes feldolgozásával önműködően szolgáltatja a térfogatjellemzők keresztszelvényeit és a releváns mélységtartományra vonatkozó zónaparaméterek állandó értékét. Mivel a zónaparamétereket hagyományosan labormérések alapján adjuk meg, így azoknak a fúrólyukszelvényekből történő kinyerésével jelentősen csökkenthető a kőzetmintavétel- és a laboratóriumi mérések költségei. | In this study, the petrophysical characteristics of shallow unsaturated sediments are determined by inversion of engineering geophysical sounding data. Th e zone parameters (i.e., rock matrix and fl uid properties) and the volume-characteristic petrophysical quantities (e.g., water content, quartz content, clay content etc.) in the sonde response functions are estimated in a joint inversion procedure. Th e newly developed meta-algorithmic inversion method uses a two-level, embedded algorithm based on the successive estimation of zone parameters and volume-characteristic quantities. In addition to the zone parameters fi xed as constant in the inner loop, we search for the optimal values of the depth-point characteristics, and then we improve the depth-point characteristics by changing the zone parameters in the outer loop. Th is embedded technique is called hyperparameter estimation in the terminology of machine learning, where the zone parameters correspond to the hyperparameters. Volumetric parameters are refi ned by linearized inversion, while zonal characteristics are estimated by the method of diff erential evolution. Both optimization techniques allow the characterization of the estimation accuracy of the model parameters. Th e study presents both the 1D and 2D variants of the genetic meta-algorithmic inversion method developed by combining the two methods. Th e former estimates the well logs of volume characteristics and constant values of zone parameters along a borehole automatically, while the latter automatically processes all well logging data measured in several adjacent wells to give the cross sections of the same petrophysical properties, and the zone parameters. Since zone parameters are traditionally given on the basis of laboratory measurements, the costs of rock sampling and laboratory measurements can be signifi cantly reduced by extracting them directly from the well logs.

Actions (login required)

Edit Item