基于RS-MetaCost的不平衡测井数据岩性分类可解释框架

《Artificial Intelligence in Geosciences》：An Interpretable Framework Based on RS-MetaCost for Lithology Classification from Imbalanced Well Logging Data

　　

基于RS-MetaCost的不平衡测井数据岩性分类可解释框架
RS-MetaCost改进了不平衡测井数据上的岩性分类性能；置换重要性（Permutation Importance）将关键测井曲线（GR、RT、CAL）与地质特征联系起来；为勘探中的岩性识别提供了一个可解释的框架。

岩性识别是地层解释和地质分析的基础任务，为圈定油气储层和矿床提供关键信息。传统岩性分类方法依赖经验规则、人工解释或有限统计模型，存在效率低、泛化能力有限且严重依赖专家经验的问题。随着人工智能和机器学习的发展，数据驱动方法虽显著提高了测井岩性分类的自动化与准确性，但大多数分类器隐式假设类别分布均衡且误分类成本相等。实际地下地层强非均质性导致测井数据中岩性高度不平衡：多数岩性主导样本，而少数岩性地质意义重要却样本稀少。这种不平衡使模型偏向多数类，造成稀有但关键的岩性识别能力差，进而导致储层非均质性低估、潜在油气层带漏识以及地层评价可靠性下降。因此，迫切需要一种既能重构数据分布又能显式优化误分类成本的集成策略。针对此问题，研究人员提出了一种可解释的混合框架RS-MetaCost，将数据级重采样技术SMOTE（Synthetic Minority Over-sampling Technique，合成少数类过采样技术）和Tomek Links（Tomek链）与算法级成本敏感学习算法MetaCost相结合，并引入置换重要性（Permutation Importance，PI）进行特征归因，以增强模型透明度和地质可信度。

研究采用两个公开数据集进行验证：数据集1来自美国堪萨斯州Council Grove气田的9口井，包含6种岩性；数据集2来自中国大庆油田的12口井，包含5种岩性。数据预处理包括异常值去除、滤波和最大最小值归一化。通过Spearman秩相关分析检验特征相关性，数据集2中因DEN与AC高度相关而剔除AC。针对类别不平衡，采用SMOTE过采样和Tomek Links欠采样构成的混合重采样，再通过MetaCost算法进行成本敏感重标注，成本矩阵依据不平衡率定义。以ExtraTrees作为基分类器，并与另外24种分类器进行比较。模型可解释性采用置换重要性方法量化各测井特征贡献。

在4.1节基分类器性能比较中，研究人员在两个数据集上比较了25种机器学习模型。结果表明，在原始不平衡数据下，ExtraTrees表现最优，但平衡准确率较低；经重采样后，大多数模型性能提升，ExtraTrees在两个数据集上均达到最佳，因此被选为基分类器。

在4.2节ExtraTrees、RS-ExtraTrees与RS-MetaCost-ExtraTrees的对比分析中，数据集1上RS-MetaCost-ExtraTrees的平衡准确率由原始ExtraTrees的62.2%提高至95.7%，G-mean达到0.954，准确率、F1值和平衡准确率分别提升16.92%、18.64%和33.49%，标准差降低超过13.59%。数据集2上，平衡准确率由48.9%提高至88.6%，G-mean达到0.883，最小类别油页岩（占1.1%）的ROC曲线下面积从低于0.5提升至约0.75，相对提升49%，标准差降低超过10.37%。ROC曲线和综合测井解释图直观显示了少数类岩性识别显著改善，而多数类精度保持。

在4.3节模型可解释性中，置换重要性结果表明：数据集1中GR和RT始终是最重要特征，应用RS-MetaCost后孔隙度相关测井（POR和PHIND）的重要性明显增加；数据集2中GR和CAL最重要，重采样后浅/深电阻率测井（LLS和LLD）重要性显著上升。特征重要性的变化与地质规律一致：GR反映泥质含量对岩性分异的控制；电阻率重要性因地质背景而异；孔隙度测井重要性恢复表明框架能捕捉被类别不平衡掩盖的地质信号。

讨论部分指出，RS-MetaCost框架在两种地质条件差异显著的数据集上均表现优越，表明数据级重采样与算法级成本敏感学习具有互补性：重采样纠正了全局分布偏差，而MetaCost显式最小化少数类误分类成本。可解释性分析进一步证明模型预测与地球物理原理和地质认识一致，增强了实际应用可靠性。

研究结论可翻译为：本研究提出了一种可解释的混合框架RS-MetaCost，用于测井数据不平衡岩性分类，集成了数据级重采样（SMOTE+Tomek Links）与算法级成本敏感学习（MetaCost），并采用置换重要性进行解释。该框架在美国页岩气地层和中国大庆油田两个公开数据集上验证，ExtraTrees在25个分类器中表现最佳并作为基分类器。RS-MetaCost-ExtraTrees显著优于基础ExtraTrees和仅重采样模型：数据集1的平衡准确率从62.2%提升至95.7%，G-mean为0.954；数据集2的平衡准确率从48.9%提升至88.6%，G-mean为0.883；少数类识别大幅增强，预测标准差降低10%以上。置换重要性分析确认了框架的地质合理性：GR在两个数据集中均为最重要特征，电阻率重要性随地质背景变化，孔隙度测井重要性在应用RS-MetaCost后增加，说明恢复了被类别不平衡掩盖的地质信号。因此，RS-MetaCost为不平衡岩性分类提供了有效、稳健且可解释的解决方案，并具有广泛的地下解释应用潜力。