基于生成对抗网络的井测数据插补方法

《Engineering Applications of Artificial Intelligence》：A method of well-log data imputation with generative adversarial networks

　　施俊霞|廖光志|戴进|肖立志|周军|张娟|刘宇波|刘海山 中国石油大学（北京），中国 摘要 储层评价及更广泛的地质解释工作离不开井测资料，但由于工具故障、井下恶劣环境以及操作限制，井测作业往往无法获得完整的记录。传统的插值方法和确定性学习方法往往难以捕捉多曲线井测数据中存在的非线性跨通道依赖关系以及细微的地质特征。本研究提出了一种基于门控循环单元的生成对抗网络，用于填补缺失的测量数据，同时保持数据的分布特性和地质合理性。在该架构中，经过注意力增强的生成器能够模拟长距离的时间依赖性和跨通道依赖性，而对抗式判别器则确保合成数据与实际观测数据的统计特性一致，从而维持各曲线之间的统计关联。以加拿大西部沉积盆地的实地数据为评估对象，结果表明该方法在声速传播时间的数据补全方面与实际测量结果高度吻合。与卷积循环神经网络、卷积网络变体以及集成学习方法相比，该模型的决定系数更高。这些研究结果表明，该方法能够适应不同的地质构造和数据缺失模式，为石油工程中的井测资料完善提供了有效的解决方案。引言 井测资料提供了连续的地质属性测量数据，这些数据对于岩相识别（Moradi等人，2019）、储层评价（Darling，2005）、孔隙度与渗透率预测（Helle等人，2001）以及地质建模（Cao等人，2020）都至关重要。这些通过各种井下探测工具获取的连续深度序列数据是地下特征描述的基础。然而，由于仪器限制、工具故障或井下恶劣条件，往往会出现数据不完整的情况。这些缺失的区间会打破数据的连续性，进而影响后续的地质分析，增加储层管理的不确定性。由于井测资料并非简单的时间序列，而是由声速传播时间、体积密度和自然伽马射线等多种参数通过复杂的非线性物理关系相互关联的多变量数据，因此重建这些缺失区间尤为困难（Mukerji和Dvorkin，1998）。此外，井测数据中的缺失部分很少是孤立的点，通常表现为持续数米甚至整个地质层的空白区域。因此，有效的数据补全不仅要重建数值，还要保留反映实际岩性变化和流体性质的复杂跨曲线相关性以及高频空间变化特征（Rider，1996）。过去，研究人员通常使用经验性的岩石物理方程（Castagna等人，1985；Gardner等人，1974）或传统的数学插值方法（Georges，1963）来填补这些数据缺口。尽管这些方法易于实现，但它们依赖于简化的假设，难以模拟非均质储层中的高维依赖关系。因此，它们往往会导致地质上不合理的曲线，尤其是在较长的缺失区间内。这一局限性促使人们转向机器学习技术。数据驱动的模型能够更有效地挖掘深层的多变量关联，从而在无需牺牲地质准确性的前提下重建缺失的数据序列（Rolon等人，2009）。在井测数据补全领域，研究人员已经探索了多种建模技术。包括XGBoost（Zhang等人，2022）、核岭回归（Fan等人，2021）、贝叶斯估计（Bader等人，2018）以及通过随机森林或链式方程进行多重插补（Van Buuren和Groothuis-Oudshoorn，2011；Stekhoven和Bühlmann，2012）在内的传统方法和集成方法，都被用来捕捉非线性依赖关系。随着数据集的日益复杂，深度学习架构也被越来越多地采用，从多层感知器（Salehi等人，2017）和人工神经网络（Tariq等人，2016；Mo等人，2015）发展到如CLSTM（Zhang等人，2018）和RNNs（Wang等人，2022）之类的循环框架。为了处理具有信息性缺失特征的多变量时间序列，近期的一些研究采用了基于掩码的循环网络来整合缺失指示器和时间区间（Che等人，2018），或者通过双向动态系统优化直接插补目标（Cao等人，2018；Yu等人，2025）。尽管在这些方法上取得了进展，但目前的数据驱动方法仍面临一些挑战。首先，传统的插值方法往往难以捕捉井测数据中复杂的非线性跨通道依赖关系。其次，许多深度学习模型的性能仍然依赖于具体数据集，这限制了它们在不同地质环境中的应用能力。不过，一个主要的限制在于，那些主要依赖L1或L2损失函数的监督学习框架往往会产生过于平滑的预测结果。虽然这类确定性模型可能在数值精度上表现优异，但它们常常会忽略高频细节、地质异常以及各曲线之间的统计分布特征——而这些特征对于可靠的储层描述至关重要。为了解决分布特性丧失的问题，生成对抗网络为这一领域提供了一种可行的解决方案（Goodfellow等人，2014；Hu，2020）。尽管生成对抗网络在计算机视觉、自然语言处理和音频合成领域得到了广泛应用（Chen等人，2018；Zhang等人，2017；Wang等人，2020），但在地质科学领域，它们在储层描述和地质相建模方面也展现出了巨大潜力（Han等人，2019；Tang等人，2021；Song等人，2021）。通过将目标从逐点误差最小化转变为分布匹配，生成对抗网络有助于解决过度平滑的问题。针对缺失数据，研究人员还开发了专门的对抗目标，用于区分观测数据与合成数据（Yoon等人，2018）。此外，结合梯度惩罚Wasserstein目标已成为解决训练不稳定和模式崩溃问题的标准做法，有助于确保生成的井测数据既具有数值一致性，又具备地质真实性（Gulrajani等人，2017）。在本研究中，我们开发了一种基于门控循环单元的生成对抗网络，用于井测数据补全，该网络能够在保持地质真实性的同时提升数值精度。这种方法的概念流程图如图1所示。本研究的主要贡献有三点：(i)我们设计了一种针对特定任务的架构，其中经过注意力增强的GRU生成器能够捕捉多尺度的时间依赖性，而叠加式的GRU判别器则能够区分真实数据与合成数据，从而共同提升预测的准确性和生成的真实性。(ii)通过对实际井测数据集的系统性测试，我们证明了该生成对抗网络在重建精度上优于门控循环单元、卷积神经网络-门控循环单元、长短期记忆网络和随机森林等基准模型，同时还能保持地质特征和底层统计分布——而传统确定性模型往往难以做到这一点。(iii)我们提出了一个以分布特性为评估重点的框架，通过引入Wasserstein距离和Kolmogorov-Smirnov检验，使得评估范围不仅限于逐点误差最小化，还包括地质合理性和统计一致性。（Panaretos和Zemel，2019；Berger和Zhou，2014）。片段介绍 基于掩码的G-GAN架构 传统的井测数据补全方法往往侧重于最小化逐点重建误差，而本研究则探索了一种旨在同时保留地下地质构造的统计分布和特征的数据驱动方法。因此，我们采用了以门控循环单元为核心的生成对抗网络结构。如图2所示，生成器通过模拟时间依赖性来尝试合成缺失的井测数据。实验设置与基准模型 为了评估所提出的基于GRU的生成对抗网络在井测曲线重建方面的有效性，我们建立了一个实验框架，其有两个主要目标：一是评估该网络在填补缺失井测数据的同时保持地质连续性和统计准确性的能力；二是将该网络与GRU、C-GRU、LSTM和RF等现有基准方法在各种数据补全任务中的性能进行对比。数据特征与方法验证 相关性分析（图5）展示了沉积地层中的非线性岩石物理相互作用。虽然某些参数对之间存在较强的物理相关性（例如RLLD与RLLS），但其他参数对的关联系数则接近于零，这说明这些参数之间存在互补的信息。这些观察结果凸显了简单线性插值在模拟复杂依赖关系时的局限性，从而进一步说明了采用基于生成对抗网络的方法的必要性。结论 我们提出了G-GAN这种基于生成对抗网络的自动井测数据补全方法，用以解决储层评价中井测记录不完整的问题。主要结论如下：(1)能够恢复高频地质特征：通过将对抗训练目标与经过注意力增强的GRU生成器相结合，G-GAN能够恢复那些通常会被确定性回归模型抑制的高频地质变化特征。CRediT作者贡献声明 施俊霞：数据整理、研究、初稿撰写、审稿与编辑。廖光志：概念设计、资源协调、审稿与编辑。戴进：数据整理、方法设计、审稿与编辑。肖立志：概念设计、方法设计、资源协调。周军：资金筹集、资源协调。张娟：资金筹集、资源协调。刘宇波：概念设计、数据整理。刘海山：资源协调。利益冲突声明 作者声明不存在任何可能影响本文研究的已知财务利益或个人关系。致谢 本研究得到了中国国家自然科学基金（U24B6001-3-1, 42474165）和国家重点研发计划（2023YFF0714102）的支持。作者同时感谢中国石油集团和中国海洋石油公司的协助与数据支持，也感谢中国石油大学众多同事、合作者及学生的宝贵贡献。施俊霞是中国石油大学（北京）地质资源与地质工程专业的博士生，她于2022年从北京科技大学获得地质学硕士学位。她目前的主要研究方向是井测技术及数据清洗。