An Intelligent Well Log Based Lithology Identification Method Integrating Unsupervised Clustering and BiLSTM-CRF

Technische Samenvatting: Een intelligente methode voor lithologie-identificatie op basis van wellogging, integrerend Unsupervised Clustering en BiLSTM-CRF

Probleemstelling
Nauwkeurige lithologie-identificatie uit wellogs is cruciaal voor reservoirkarakterisering en koolwaterstofexploratie. Bestaande methoden worden echter geconfronteerd met aanzienlijke uitdagingen in heterogene reservoirs. De mapping tussen wellog-responses en lithologische categorieën is vaak niet-lineair en ambigu. Bovendien zijn lithologische klassen frequent ongebalanceerd, en zijn logging-curves in de praktijk vaak incompleet of ontbrekend. Traditionele methoden die vertrouwen op expert-drempelwaarden of standaard supervised learning worstelen met deze problemen vanwege hun afhankelijkheid van grote hoeveelheden handmatig geïnterpreteerde labels, wat kostbaar en subjectief is, evenals hun beperkte vermogen om ontbrekende data te verwerken of sequentiële geologische beperkingen vast te leggen.

Methodologie
De auteurs stellen een driestaps intelligente workflow voor die unsupervised clustering integreert met een deep learning sequentiemodel:

1. Data Preprocessing en Reconstructie:

   • Balancering: Om de long-tail distributie van lithologie-samples aan te pakken (waarbij klassen zoals zandsteen overvloedig zijn en andere zoals kristallijn basement zeldzaam zijn), gebruikt de studie een combinatie van random undersampling voor meerderheidsklassen en SMOTE (Synthetic Minority Over-sampling Technique) voor minderheidsklassen.
   • Reconstructie: Voor putten met ontbrekende curves wordt een multivariate collaboratieve reconstructiestrategie gebruikt. Dit omvat het identificeren van uitschieters, het interpoleren van ontbrekende waarden en het gebruik van statistische correlaties tussen meerdere curves (GR, RHOB, NPHI, DTS, DTC, CAL) om ontbrekende intervallen iteratief te schatten en te voltooien, gevolgd door lichte smoothing om trends te behouden.
   • Feature Selectie: Principal Component Analysis (PCA) en statistische analyse identificeren GR, RHOB, NPHI, DTC en DTS als de meest discriminerende features, waarbij de Caliper (CAL) curve wordt uitgesloten vanwege de gevoeligheid voor niet-geologische ruis (bijv. boorgatinstorting).

2. Unsupervised Labeling (GMM Module):

   • Om de afhankelijkheid van handmatige labels te verminderen, wordt een Gaussian Mixture Model (GMM) gebruikt om pseudo-labels te genereren. De GMM modelleert de statistische distributie van multi-parameter logging-responses als een gewogen superpositie van Gaussische componenten.
   • Met behulp van het Expectation-Maximization (EM) algoritme berekent het model de posterior waarschijnlijkheden voor elke sample. Point-level pseudo-labels worden gegenereerd op basis van de maximale posterior waarschijnlijkheid.
   • Deze clusters worden vervolgens semantisch samengevoegd tot macro-labels (C1, C2, C3) op basis van geologische restricties om ruis door fijnmazige onbalans te verminderen terwijl de consistentie binnen clusters behouden blijft.

3. Sequence Modeling (BiLSTM-CRF Module):

   • BiLSTM: Een Bidirectional Long Short-Term Memory netwerk extraheert bidirectionele sequentiële features uit de diepte-afhankelijke wellog-data, waarbij context wordt vastgelegd van zowel boven als onder het huidige dieptepunt.
   • CRF: Een Conditional Random Field laag wordt toegevoegd bovenop de BiLSTM om globale restricties op de label-sequentie op te leggen. In tegen tegenstelling tot point-wise classificatie (Softmax), modelleert de CRF de transitie-waarschijnlijkheden tussen aangrenzende lithologieën, wat geologische consistentie waarborgt en "salt-and-pepper" ruis in dunne tussenlagen vermindert.
   • Training: Het model wordt getraind met de Adam optimizer om de loss function te minimaliseren, lerend van de door GMM gegenereerde pseudo-labels.

Belangrijkste Bijdragen

• Unsupervised Labeling Strategie: Ontwikkeling van een GMM-gebaseerde strategie om geologisch geconstraint pseudo-labels te genereren, wat de afhankelijkheid van dure en subjectieve handmatige interpretaties aanzienlijk vermindert.
• Robuuste Dataverwerking: Integratie van well-log reconstructie en feature screening om de modelprestaties te handhaven onder incomplete logging-omstandigheden en hoog-dimensionale ruis.
• Hybride Architectuur: De innovatieve koppeling van BiLSTM voor feature extractie en CRF voor sequentie-restrictie, die gezamenlijk zowel bidirectionele diepte-afhankelijke features als lithologische transitie-regels vastlegt.

Resultaten
De methode werd geëvalueerd met behulp van de Viking Graben well log dataset (118 putten, 12 lithologie klassen).

• Classificatieprestaties: Het voorgestelde GMM-BiLSTM-CRF model behaalde een algehele nauwkeurigheid van 93,18% op de testset en een gemiddelde nauwkeurigheid per put van 90,1%. Het presteerde beter dan vergelijkbare modellen (LSTM, BiLSTM, GMM-BiLSTM en BiLSTM-CRF) op het gebied van Precision, Recall, F1-score en fout-metrieken (RMSE, MSE, MAE).
• Robuustheid tegen ontbrekende data: In experimenten waarbij ontbrekende well log curves werden gesimuleerd (tot een ontbrekende ratio van 30%), vertoonde het voorgestelde model een superieure stabiliteit. Terwijl andere modellen nauwkeurigheidsdalingen van 11–12 procentpunten lieten zien, daalde de nauwkeurigheid van het GMM-BiLSTM-CRF model met slechts 7,97 procentpunten (van 92,18% naar 84,21%), waardoor de prestaties boven de 84% bleven, zelfs met aanzienlijk dataverlies.
• Multi-well Toepasbaarheid: Het model behield een consistente prestatie over verschillende putten en lithologie types. Hoewel de nauwkeurigheid het hoogst was voor dominante lithologieën (Zandsteen, Schalie), bleef het stabiel bij complexe transities, waarbij de hoge-frequentie fluctuaties die typisch zijn voor point-wise classifiers werden vermeden.

Betekenis en Claims
Het artikel claimt dat deze geïntegreerde aanpak een data-gedreven en geologisch consistente oplossing biedt voor automatische lithologie-identificatie. Door unsupervised clustering te combineren met deep sequence modeling, adresseert de methode de dubbele uitdagingen van label-schaarste en data-onvolledigheid. De auteurs stellen dat het model een betrouwbaar technisch pad biedt voor reservoir-evaluatie en geologische interpretatie in complexe subsurface omgevingen, met name waar handmatige labeling onpraktisch is of de kwaliteit van de logging-data ongelijkmatig is. De studie concludeert dat de methode effectief verticale variatiepatronen en lithologische transitie-kenmerken karakteriseert, wat toekomstige voorspellingen van de reservoirverdeling ondersteunt.