基于地质先验知识和力学机制的智能岩性识别方法——在分层框架中的应用 杨飞、 刘浩天、 王超臣、 朱照鹏、 张成凯、 李启峰、 范飞、 董家臣、 杜新东

《Processes》：Intelligent Lithology Identification Method Based on Geological Priors and Mechanical Mechanisms Within a Hierarchical Framework Fei Yang, Haotian Liu, Chaochen Wang, Zhaopeng Zhu, Chengkai Zhang, Qifeng Li, Fei Fan, Jiachen Dong and Xindong Du

　　

摘要

在复杂且异质的地层中，岩石类型的识别面临着井测资料重叠和数据分布呈长尾特征的问题，这导致传统的平面模型无法准确分类细粒度的岩石类型。为了解决这一问题，我们提出了一种结合地质先验知识和岩石力学特性的分层路由方法。首先，通过分层欠采样和SMOTE算法联合重采样来校正数据偏差。随后，将传统的井测资料转换为力学参数（如单轴抗压强度和耐磨性），从而构建一个高维的物理判别空间。最后，采用两阶段网络架构：XGBoost门控模型进行宏观岩石分类以消除跨相间的干扰，然后通过动态路由机制将样本分配给深度神经网络（DNN）进行细粒度分类。在实际的多块地层测井数据上进行测试后，XGBoost-DNN架构的总体准确率达到0.85，并将宏观F1分数从基线模型的0.55提升至0.84。将物理机制与分层拓扑结构相结合，有效克服了细粒度岩石类型识别中的瓶颈问题，提高了地质解释的可靠性和工程应用价值。