CN101156160B - 用于评价提议的利用可控源电磁场的勘测设计的方法 - Google Patents

Abstract

一种利用使用者控制的源来确定提议的普查电磁(或任何其它类型的地球物理学)勘测的期望值的方法。该方法仅需要可获得的、与该勘测地区有关的地质和经济信息。用与已知信息一致的多种电阻目标，模拟一系列校准勘测。该校准勘测被用于培训图案识别软件，以由不规则电阻率图评价经济潜力。校准的分类器然后被用于对该地区的进一步模拟勘测上，以产生能够被用于信息理论评估的概率，以便预测具有与模拟勘测相同设计的勘测的期望值。校准的分类器技术也可以被用于解释针对经济潜力的实际的CSEM勘测结果。

Description

用于评价提议的利用可控源电磁场的勘测设计的方法

本申请要求于2005年4月26日提交的美国临时专利申请第60/675,045号的权益。 

发明领域

本发明通常涉及地球物理勘探领域，尤其涉及可控源电磁(controlled-source electromagneti，CSEM)勘测领域。具体而言，本发明是一种设计用于地下区域CSEM勘查的普查勘测，并解释结果的方法。 

发明背景 

因为普查CSEM勘测必须在缺乏与具体目标有关的任何信息的情况下进行设计，这正是术语“普查(reconnaissance)”所表示的含义，所以用于设计传统的面向目标的CSEM勘测(target-oriented CSEMsurvey)的方法是不适用的。此外，因为解释目标和现有信息不同于面向目标的CSEM勘测，所以需要不同的解释方法。 

面向目标CSEM勘测目前涉及一个或多个具体目标，利用现有信息诸如3D地震资料，所述具体目标已经被识别和表征。这些勘测的设计和解释由现有信息指导(Kong et al.，“Seabed logging：A possibledirect hydrocarbon indicator for deepsea prospects using EM energy，Oiland Gas Jorunal，30-38(May，13，2002))。在普查CSEM勘测中，具体的目标参数可能无法获得，并且通常仅仅知道一般的地质信息。在设计普查CSEM勘测方面，集中在改进分辨率和准确性上的尝试几乎没有。参见Maurer et al.，“Optimized and robust experimental design：anon-linear application to Emsounding，”Geoph.J.Int.132，458-468(1998)；和Singh et al.，“Effective skin depth with a local sourceand its application to survey design and data interpretation，”72nd Ann. Internat.Mtg：Soc.of Expl.Geophys.，684-687(2002)。为了降低的成本，设备供应商提供了较便宜的工具，覆盖了较大的区域(通常为规则的网格)。参见Eaton et al.，“NEWTEM-A novel time-domain helicopterelectromagnetic system for resistivity mapping，”72nd Ann.Internat.Mtg：Soc.of Expl.Geophys.，1-4(2002)。其他作者提出了根据全局最小化(global minimization)的勘测设计方法，其中，目标函数包括最佳分辨率的测量并通过所需的测量(值)的数目来限制勘测成本(Maurer et al.，“Geophysical survey design：Get the most for the least”68th Ann.Internat.Mrg：Soc.of Expl Geophys.，78-81(1998))。需要一种对特定设计提议的普查勘测进行评价的方法，并且允许在期望值基础上比较不同的勘测设计。本发明满足了这种需求。 

发明概述 

在一个实施方式中，本发明是用于评价提议的设计的方法，该提议的设计用于地下区域的地球物理勘测，所述方法包括下列步骤：(a)获得与所述地下区域有关的和与其中潜在目标地层有关的存在的地质和经济信息；(b)使用所述存在的地质信息和所述提议的勘测设计，模拟所述地下区域的多个校准勘测，每一模拟的勘测呈现出与所述存在的信息一致的目标特性，然而是随机的；(c)利用所述模拟的校准勘测结果和所述存在的经济信息培训选定的分类器算法，将所述勘测结果转化为经济规模目标存在的指示；(d)使用所述存在的地质信息和所述提议的勘测设计，模拟所述地下区域的多个决定勘测(decisionsurvey)，每一模拟的勘测呈现出与所述存在的信息一致的目标特性，然而是随机的；(e)将所述已培训的分类器应用于所述多个模拟的决定勘测的每一个的结果中，产生这种勘测含有至少一个经济目标的可能性的指示；(f)基于来自所述多个模拟的决定勘测的至少一种经济目标的数个正确指示和至少一种经济目标的数个不正确指示，为所述目标指示选择阈值；和(g)基于所述提议的勘测设计，计算地球物理勘测的期望值，这使用概率进行，所述概率获自与选择的阈值指示值相应的所述几个正确的指示和所述几个不正确指示。 

在本发明的一些实施方式中，地质物理勘测是可控源电磁勘测， 所述的模拟步骤包括：(a)将所述的存在的地质信息转变为一组目标特性概率分布，包括所述地下区域中的目标数目的分布；(b)从所述的目标特性分布中，随机抽取一组目标特性；(c)将目标放置于所述地下区域的随机位置；(d)重复步骤(b)-(c)，直至所述抽取的数个目标被放置；(e)解Maxwell场方程以形成灵敏性图数据库，每一个图在一组代表性的靠近目标位置的中央接收器(receiver)位置给出了不规则的电磁感应，从而显示对相对目标位置的接收器灵敏性，所述数据库包含一组代表性的目标特性中的每一个的图和源特性的图，所述源特性包括至少一个来自所述提议的勘测设计的源频率；(f)选择至少一幅灵敏性图，其与上述步骤中的、位于所述地下位置的一个目标的所述目标特性相匹配；(g)从所述选定的灵敏性图提取所述电磁感应，或从两幅图内插，以得到多个相对的目标至接受器位置；和(h)对每一个位于所述地下位置的附加目标，重复步骤(f)-(g)，从而产生模拟的不规则电磁感应的图数据库，由于所有放置的目标其在每一接受器上都被观察到。 

本发明已培训的分类器也可以用于评估实际勘测的结果。 

附图简述 

本发明及其优点将通过参考下面的详述和附图被更好地理解， 

其中： 

图1为用于勘探设计的信息分析评估的决策树； 

图2为本发明一种实施方式的基本步骤的流程图； 

图3为表示勘测模拟中基本步骤的流程图； 

图4a-4c示出了用于灵敏性图的电磁模型；图4a示出了存在有目标的模型化电磁场，图4b示出了不规则场(反常场，anomalous field)，和图4c示意了表示为峰值场(peak field)的一部分的不规则场； 

图5a-c是源频率分别为0.0625Hz(图5a)、0.125Hz(图5b)和0.25Hz(图5c)的灵敏性图。 

图6为显示用于检测经济规模目标的步骤的流程图； 

图7a和7b为说明两个模拟的目标步骤的位置图； 

图8a和8b为模拟勘测的不规则反应(感应，response)图，分别 带有图7a和7b给出的目标位置； 

图9说明了来自校准数据集的经济反应和非经济反应； 

图10a和10b为表示经济目标概率的图形，其分别由图8a和8b的不规则感应估计而得；和 

图11表示了两个勘测设计的接收器输出特征(receiver outputcharacteristic，ROC)曲线。 

本发明将结合其优选的实施方式进行描述。然而，在某种程度上，下面的详述是针对本发明特定的实施方式或特定用途而言的，其目的仅仅在于举例说明，并不解释为限定本发明的范围。相反，本发明旨在包括所有选择、修改和等价物，其可以包含在本发明的精神和范畴内，如所附的权利要求所限定。 

优选实施方式详述 

本发明将所谓的信息评估(VOI)分析技术(参见Newendorp的第10章，Decision Analysis for Petroleum Exploration，Penn WellPublishing(1975))应用于CSEM勘测设计。输入的是一套候选勘测设计，以及与勘测地区可能存在的电磁目标有关的一般地质信息。这些目标的一些可能代表有经济价值的碳氢化合物积累，而其它部分则太小而不具有经济性，即使它们包含碳氢化合物。基本输出为每一个勘测设计的经济值，勘测设计依赖于其鉴别经济目标和非经济目标的能力。在考虑勘测成本后，给出最高值的勘测设计是应该被应用的设计。 

普查CSEM勘测的目标是决定，更高成本的勘查活动，诸如需要3D地震资料的勘查活动是否应该在勘测区域进一步继续进行。如果普查勘测的结果对于经济上可行性的碳氢化合物积累的存在是十分有利的，附加资料的收集和分析被证明是合理的。根据VOI原理，应该基于减小决定中的不确定性的能力而选择勘测设计。 

图1表示了用于勘探设计问题的VOI决策树。图1中的矩形代表决定。该过程从决策树的左侧开始，企图在竞争勘测设计D₁和D₂ 之间作出决定。(设计D₂的分支看起来与D₁的分支完全一致，因此没有在图中示出。)为了简便起见，在树中仅示出两个设计，但是该分析将应用于任何数量的候选设计。典型地，仅有有限数量的需要被考虑 的操作上可行的设计。 

基于当前可获得的基本地质信息，勘测区域被赋予含有经济规模目标的概率P_ECON。处于考虑中的普查勘测的事实暗示P_ECON低，因此，有关是否在勘测区域继续勘查的决定是有风险的。勘测的结果可以降低风险：或者通过增加P_ECON，使随后的信息将发现经济性碳氢化合物积累的可能性更大，或者通过减低P_ECON，使可行性勘探被放弃可能性更小。 

普查CSEM勘测的结果依赖于勘测设计和勘测地区的未知的目标分布。为了简便起见，可能的结果的范围在图1中由两个分支表示——产生较高概率经济目标的“有利的”结果表示为P_较好，产生较低概率的“不利的”结果表示为P_较差。因为实际结果是未知的，所以两种概率都必须被考虑。如果结果为有利的结果，该方法的使用者将根据新的、较高的概率P_较好决定是否继续勘探。如果P_较好足够高，使用者将决定继续勘探，并且该勘测区域的预期经济值将是P_较好×$EV-$C，此处$EV为成功勘探成果的预期NPV，而$C为探测过程中下一步的成本。如果使用者得出不利的结果，P_较差可以足够的低，以致于使得使用者决定放弃该区域，因此它的值将为0。在任一情况下，使用者都已经花费了实施勘测设计D₁成本，即$D₁。设计D₁的值是在图1示出的两种“探测结果”分支末端的值的总和(每一分支末端有“是”分叉)，用获得结果的概率加权。本发明提供了预测这两种概率的方法，在下文称作P_有利的和1-P_有利的。相似的过程给出了设计D₂的值。 

实现图1中描述的VOI分析不是简单的，因为本发明的使用者将很少知道评估决策树所需的概率。进行P_ECON地质评估通常是可能的，但是如何评估勘测后概率P_较好和P_较差则不是明确的。在其它石油上游区域通常的实践是根据专家的观点估算所需的概率。参见Coopersmith et al.，“A practical approach to evaluating the value ofinformation and real option decisions in the upstream petroleumindustry，”Society of Petroleum Engineers(SPE)Paper 77582(2002)。然而，因为普查CSEM勘测是一种新技术，所以对于该方法是否可行没有足够的经验基础。本发明避开了这样的难题，其通过利用概率模型程序替代用于每个勘测设计的决策树分支，所述概率模型程序根据可 获得的地质和经济信息，直接计算勘测后值。于是，最好的勘测设计可以使用标准的VOI准则进行选择——产生勘测区域的最高期望值(Val)的设计。 

图2表示用于估算勘测设计的经济值的基本步骤。这些步骤的细节提供于下，应当理解：细节可能仅适合本发明的特定实施方式，其中，具体的实施例用于举例说明的目的。输入20是关于勘测地区的基本信息和勘测设计参数29。输出是步骤26的结果，此值与勘测设计相关。 

在步骤21，产生了一套模拟勘测，在此，目标特性与勘测区域的这些预期(来自输入信息20)相匹配，然而是随机的。步骤21产生的勘测作为用于图形识别算法(pattern recognition algorithm)的培训数据组(training data set)被用于步骤22，所述图形识别算法将勘测中的观察结果转化为经济规模目标的存在的指示。步骤24将在步骤22中培训的分类器(classifier)应用于由步骤23产生的第2套模拟勘测中，产生一套图谱，其显示了在每一模拟勘测地区内具有经济目标的可能性。步骤25确定目标指示的阈值，其在一组模拟中优化勘测性能。步骤25的结果是一对概率，“检测”概率和“假阳性”概率，它们被应用于步骤26中，以计算勘测值。 

图3表示了用于产生模拟CSEM勘测的步骤。图3的程序被用于产生图2步骤21和22中的两组勘测。在图3的步骤31，从一组概率分布30绘制(获得，选取draw)随机的目标参数实现，概率分布30由现有的、非目标特异性地质信息21构成。目标参数包括目标尺寸、方位、深度和电阻系数(抵抗力，resistivity)。步骤32将每一目标放置于勘测区域的随机位置。在目标的(x，y)坐标的情况中，随机抽取的概率分布通常是一致的分布。重复步骤31和32，直至勘测区域被目标充分占据(根据几个目标的概率分布的随机抽取)。依据输入分布，模拟的勘测区域可以包含或可以不包含经济目标，以及可以包含或可以不包含相同数目的经济目标。 

步骤33确定不规则EM感应，对于模拟目标组，其在勘测中的每一个接受器上被观察到。对于现实的勘测设计，在每一个接受器上进行多次观察。各个观察将由不同的发射器(transmitter)频率、不 同的线路方向和偏距距离。因为大多数的勘测必须被模拟以便得到统计学上有意义的概率估计，所以感应的全电磁模型的是不现实的。取而代之的是，预先计算的“敏感性图”的数据库36被用于为每个提议的勘测设计35推导出不规则的感应。因为该数据库包含有限数量的离散模型的图，没有图形精确地与随机产生的目标的参数相匹配。因此，步骤33或者选择“最接近”的图形(根据参数空间的恰当距离测量)，或者从一组附近的图内插图以获得所需的目标参数。此外在步骤33，对于给定的目标位置，每个接收器上的不规则感应从灵敏性图上截取得到，所述灵敏性图正是为所述接收器而选择的，并且那个值被储存在接收器位置的图37上，该图被称为不规则感应图。 

用下述步骤产生灵敏性图36。首先，在没有目标的介质中，建立电阻率分布的简化数字模型。目标被建模成一定范围的规模(经济的和非经济的)、电阻率和深度。一定范围的发射器和接收器位置也被模拟。图4表示了对于每个目标建立的模型。带有或不带有电阻目标的情况下，用三维模型软件，模拟接收器处的电磁场。图4a表示的是存在目标的模型化场。图4b表示的是“不规则”场——存在目标的模型化场和无目标的模型化场之间的差异。图4c表示不规则场，表示为峰位场的一部分。对于目标和发射器的所有可能的相对位置，重复进行图4中显示的建模，直至不规则感应将变得忽略不计的距离。图4a-c表示了1/4Hz源频率的模型化结果，但实际上，在源频率谱中，所有有效的频率产生相似的图形。对每个模型化目标-发射器位移的标准化不规则感应(来自图4c)的最大值，被揭示在图中，产生“灵敏性图”，象图5显示的一样。灵敏性图是目标特异性的和发射器特异性的；对于每一发射器频率，以及对于发射器列(在图5的实例中用线表示)与目标之间每一可能的偏移，不同的图必须被建立模型。必须产生足够的灵敏性图去构建数据库，其将覆盖评估候选勘测所需的目标和发射器特性的范围。 

更详细地解释，图4a表示(用图中示出的灰刻度来表示10次幂)电场(在这种情况下，其为选定的EM场参数)的直列组分，在位于坐标(0，0，0)上的接收器处测量，其中z＝0处为水底。灰色刻度为对数，其值从1×10^-18到1×10^-10，并且图4b和5a-c与之类似。在实 际操作中，与灰色刻度相比，彩色刻度在本专利文件中更被大多数使用者优先选用，因此，术语“彩色”刻度将在本文下面被使用。在图4a-c中的轴代表源的横向(x，y)位置，在几十公里范围内。图4a-c为位于(0，0，1250)位置的目标的模型，即位于水底部以下1250m，但是其它的图4a-c针对离散的3D空间中所有可能的目标位置而产生，或者针对与使用者想要取样的数量相同的数量的目标位置而产生。使用者在离散的3D空间中选择单元(cell)尺寸，平衡精度的需要与计算效率的需要。在这些模型计算中，源被假定为长度100m的电双极，与直列x方向对准。图4b表示来自图4a的场值与背景场(未示出)值之间的位置比位置(location-by-location)差异的绝对值，即，在(0，0，1250)处或模型中其它任何地方无目标的E的直列组分之值。对于目标，诸如对图4a-c所假定的一个目标，背景场的图对裸眼而言实质上不能与图4a辨别开来。(当然，本发明将通常将借助于数字计算机实施，并且显示诸如图4a，尽管对理解本发明有用，但并未被用于进行彩色判定以简化(subtraction)产生图4b)。因此，与图4a相比，图4b代表的不规则场相对很小，如彩色刻度上不同的数量所能看到的。(根据定义，与无目标即背景的期望感应不同的任何感应，被认为是“不规则的”)。图4c表示的是归一化的不规则场，即来自图4b的值(在彩色刻度上)除以背景场的值(未示出)而得到的位置对位置的比率。图4c上的所有值是≤1的分数，如在彩色坐标上显示，与图4a或4b不一样，其是线性刻度。(没有任何分数将会是负数，在彩色刻度上用最深的蓝色表示的负值仅仅为了将标出的颜色转变为柱上更容易对比的部分)。对图4c的特定参数，大多数的图形显示的值为0或稍微更小一些，这表示对除(0，0)附近外的所有源位置，目标对E_直列值的影响很小。应当理解，对不同的位置的不同目标，例如，更大、更多的电阻目标的位置更靠近接收器，图4c可能看起来相当不同。 

在图4a-c中表示了特定接受器对源位置的灵敏性，图5a-c表示了对目标位置的灵敏性。再一次，接收器安装在(0，0，0)，源频率、目标尺寸、目标电阻率和目标深度与图4a-c相同。在图5a-c上的位置指目标的，而不是源的横向位置。为了获得值，以在图5c(其对应与图4c中相同的0.25Hz频率)的某一位置上绘图(实际上，为了储存到计 算机数据库中)值，注意(在本发明的这个特定的实施方式中)特定的图4c，其对应前述某个位置的目标，并且在图4c的任何位置挑出最大值(在彩色坐标上)，无论源位置如何。这么做的理由是为了尽可能地强调小的影响可能是什么。目标对接收器所检测到的影响通常将很小，并且对于不同的接收器和目标的相对位置，最大的影响将不发生在相同的相对源位置。不管源位置，选定归一化的不规则场的最大值，因此被认为是本发明的优选实施方式，但是它明显不是实施本发明该步骤的唯一可能的途径。在图5a-c中的所有值在范围0到1之内，但是为了在范围的下限(端)提供更大对比，在彩色刻度上的数字为指数值，即刻度从0.01到1。目标尺寸(横向维度)用每个图右上方的矩形表示(任意位置的，因为目标假定为图5a-c中的每一位置)。 

图6表示用于本发明的一种实施方式的方法，该方法用于从模拟的不规则感应图预测经济规模目标的存在。图6更详细的表示了图2中的步骤23和24。在步骤61，为了假定的探测阈值范围，预置(初始化)一组计数器，象经济学上一样，用于记录(tally)经济目标的成功探测和非经济目标的错误识别。在该方法的最后(步骤66)，这两组计数器的内容被用于计算表征这个勘测设计性能的的概率组。 

在图6的步骤62，循环被开始以产生图2步骤23的“决定”组中的每个图形。图3表示的程序，在步骤62中被用于为每个模拟的勘测产生不规则感应图。在步骤63，在先前产生的“校正”勘测组(图2中的步骤21和22)上培训的图形识别算法60，被用于在来自步骤62的模拟图上，将每个接收器上进行的多个观察结果转化为数字，其值为接收器附近经济规模目标存在或不存在的指示。在本发明的一个优选实施方式中，概率学神经网络(Specht，“Probabilistic neuralnetworks，”Neural Networks 3，109-118(1990))作为探测算法被应用，但是任何其它合适的图形识别算法(例如，Tou etal.，Pattern RecognitionPrinciples，Addison-Welsey(1974))可以被应用。步骤63的输出是在使用者限定的区域内具有经济规模目标的概率的图，所述使用者限定的区域被称作“探测区域”，在每个接收器的附近。在随后的讨论中，术语“概率”将以这样的理解被使用：如果不同的图形识别算法被使用，它可能指目标存在的一些其它指示。 

因为映射概率(mapped probability)通常不为0或1，经济规模目标的存在与否仍然是不确定的。为了确定是否经济目标已经被发现，设定阈值概率是必要的，在阈值概率之上，使用者将宣布目标是存在的。因为涉及不确定性，任何选定的阈值将导致某些错误。或者技术人员将未能探测到所有存在的经济规模目标，或者技术人员将错误地将一些非经济目标归为经济目标。图6上的循环重复步骤64和65，在假定的探测阈值范围内，对这两类错误进行量化。 

在步骤64，为探测阈值设定一个值。如果分类器60输出概率，该阈值范围从0到1，通常以相等的步骤增加。在步骤65，已知的经济规模目标位置被用于决定是否该假定的阈值已经产生了有效的探测或假阳性探测。在本发明的一种实施方式中，探测标准基于整个勘测区域。如果任一接受器具有阈值以上的概率，并且经济规模目标存在于勘测区域的任何地方，那么通过增加对应于当前阈值的探测计数器阵列的要素(element)，对有效的探测进行计数。如果任一接受器具有阈值以上的概率，并且在勘测区域的任何地方不存在经济规模目标，那么通过增加该“假阳性(false positive)”计数器阵列的适当要素，对假阳性计数。依据应用，可以优选使用更加局部性的探测标准，其考虑目标和阈值以上的接收器的相对位置。 

在所有的阈值被评价之后，步骤62至65被重复进行，直至在“决定”组中，对所有的图已计算探测和假阳性。在步骤66，两组数被转化为探测概率和假阳性概率，这通过探测计数除以包括经济规模目标的模拟勘测的总数(Necon)，和通过假阳性计数除以不包括经济规模目标的模拟勘测的总数(NotNecon)而得到。对各种阈值，当探测概率作为假阳性概率的函数被制图时，产生的曲线可以被称为ROC(接收器输出特征)曲线。它充分表征勘测设计在该模型化地质情况下，区分经济规模目标和次经济规模目标之间差异的能力(VanTrees，Detection，Estimation，and Modulation Theory，Wiley(1968))。对每一个概率对，Bayes规则(参见VanTrees)可以被用于计算评价图1中的决策树所需的概率，和用于计算勘测区域的经济值： 

P_有利的＝P_ECON×P_探测(阈值)+(1-P_ECON)×P_假阳性(阈值)    (1) 

P_较好的＝P_ECON×P_探测(阈值)/P_有利的                     (2) 

值_较好的＝$EV×P_较好的＝$C                                    (3) 

P_较差的＝P_ECON×(1-P_探测(阈值))/(1-P_有利的)                   (4) 

值_较差的＝$EV×P_较差的＝$C                                    (5) 

值＝P_较好的×MAX(0，值_较好的)+(1-P_有利的)×MAX(0，值_较差的)   (6) 

其中P_ECON、$EV和$C与图1中的定义一致。如果一个人想使勘测区域的值最大化，产生最大值(Eq.6)的阈值T_max为应当被使用的探测极值(但是，作为下面表示的例子，该使用者可以未必想用此特定的阈值)。为T_max计算的经济值是与勘测设计相关的值，并且其相当于图1决策树分支的值的加权概率之和。应当注意：图6中的步骤63也可以被用于从真实的勘测中记录的观察中得到目标概率图。结合从模拟的“决定”勘测中得出的探测阈值，这是得到真实数据的初步解释的快速途径。 

实施例 

此部分提供了应用勘测设计程序的实施例。表1列出了用于实施例的目标参数。这些包含了有关在勘测区域内被预期的目标特性的信息，但不包括有关任何具体目标的信息。在真实的情况下，这些参数将来源于有关勘测区域的一般地质信息。对于此实施例，勘测区域至少具有一个经济目标的概率是1/4。如果目标组为其中一个25％，其至少有一个经济目标，那么它将具有的经济目标的数目是或1或2，每一个概率是同等可能的。在勘测区域的目标的总数必须是3、4或者5(无论是否任一个都是经济的)，每一个概率被赋予了相同的可能性。根据最小值、最大值和最可能值，为了此实施例的目的，表1列出的目标参数分布被假定为具有三角形形状。表2列出了包含在灵敏性图数据库36(图3)中的目标特性，其已经被用于此实施例。 

表1 

模拟实施例的目标特性概率 

				P<sub>(经济的)</sub>＝0.25	最小	最大
目标数	3	5

经济目标数	1	2
	最小	最大可能性	最大
				面积(m2)	5	15	25
纵横比(Aspect Ratio)	1	3	7
				走向(deg)	0	90	180
厚度(m)	25	50	110
				深度(m)	500	1500	2500
电阻率(ohm-m)	20	70	120

表2 

灵敏性图数据库 

长度(m)	宽度(m)	厚度(m)	深度(m)	方位(度)	电阻率  (ohm-m)
						7000	1400	100	1000	0	100
7000	1400	100	1250	0	100
						7000	1400	100	1500	0	100
7000	1400	100	1750	0	100
						7000	1400	100	1000	45	100
7000	1400	100	1250	45	100
						7000	1400	100	1500	45	100
7000	1400	100	1750	45	100
						7000	1400	50	1000	0	40
7000	1400	50	1250	0	40
						7000	1400	50	1500	0	40
7000	1400	50	1750	0	40
						7000	1400	50	1000	45	40
7000	1400	50	1250	45	40
						7000	1400	50	1500	45	40
7000	1400	50	1750	45	40
						6000	3400	100	2000	0	100
6000	3400	100	2000	45	100

6000	3400	50	2000	0	40
						6000	3400	50	2000	45	40

遵循图3的各个步骤，从表1中的概率分布随机绘制一组目标特性。如圆形分析图中心带有旋转器的机会游戏一样，可以预见该随机图形，其中盘的每一部分的尺寸与表1中它对应的概率成比例。接下来，具有最接近特性的目标从表2的数据库中检索到(图3中的步骤33)。 

图7a和7b表示了两个勘测地区的实施例，其依据表1和表2被模拟，并遵循图3示出的程序。图7b中模拟的勘测包括一个经济规模目标(较大的矩形)；所有其它均是非经济性的。纵横比为每个目标的长对宽的比值，它们的横向截面被假定为矩形。走向(strike)为相对于北方的方位角。在两个图上的符号“+”，在将被考虑的第一个候选勘测设计中，指示了32接收器的位置。发射器线路(在图中未示出)将以东西(E-W)方向运行，直接经过(pass over)接收器的线路；在设计中，有9个发射器线路。在这个设计中，因为接收器线路与经过邻近接收器线路的发射器距离太远而不能产生感应，所以每一个接收器将仅仅记录通过它的发射器线路。发射器将发射两种频率：0.065 Hz和0.25 Hz。结果，勘测设计将产生被记录在每一个放射器中的两种观测结果。 

图8a和8b表示了不规则感应，对于两个模拟的勘测，其将被记录在每一个接收器位置。使用图3中示出的程序，这些图将从图6的步骤62被输出。在每个接收器附近揭示的两个值，是在两个发射器频率下观测的不规则感应值，并且可以从敏感性图数据库(36)中获得(步骤33)，因为表2为这个特定实施例的索引。例如，假定在图8a或8b中的接收器位置具有目标，其中心为接收器西500m和北200m。着眼于由图5c(频率.25 Hz)示出的类型的对应图形，发现位置(-0.5，0.2)，并注意到该位置落入了黄色晕圈，其是一个近似值10^-7.5≈.18，它将在图8a或8b中作为百分比被标出。因此，在那个接收器位置，揭示的下端数字(对应.25Hz)将是18。如果在给定的接收器位置，一个以上的目标产生感应，那么最大的感应被记录在图形中。 大多数的接收器距离目标太远，而不能记录不规则感应。然后利用图形分类器——其用模拟勘测的“校准组”(图2中步骤21)培训，将这些各对观测结果(图6中的步骤63)转换成经济规模目标存在的单值指示。 

图9示出了在本发明的一些实施方式中，图形分类器如何进行培训和操作。图9示出了来自校准组(图2步骤21的输出)的0.25Hz对0.625Hz感应的交叉图，对于经济(+符号)和非经济(圆形符号)目标。对于来自8a和8b的任何观察到的一对感应，校准的分类器(来自图2的步骤22，和图6的步骤60)，根据这对感应相对于两类校准目标所落入的位置，计算目标概率(单值经济指标)。图9示出，尽管经济目标比非经济目标趋向于产生更高的不规则感应，但是在两类之间有很多重叠。对于在此实施例中被模拟的勘测设计和目标，通常不可能明确地鉴定经济目标。 

图10a和10b示出了分别源于图8a和8b中感应的目标概率图，其利用被图9中的校准数据组培训过的分类器。在图10a和10b中的图形为图6中步骤63的输出。目标概率图中的数字以百分比形式代表了这样的概率：其以每个接收器(+)为中心，在26km×8km的矩形范围内具有经济规模目标。没有不规则感应的接收器(在图8a和8b中)，已经被赋予了一个小的在经济目标附近(2％)概率。这样做，是因为从校准数据组已经注意到：在模拟勘测的校准组中，安置了少量经济规模目标，以致于它们不生成不规则感应。椐估计，在接收器检测的范围内具有经济目标时，2％的接收器产生零感应。该2％的值将依据勘测设计和目标特性而变化。因此，这样可以获得识别：其不仅是不能明确鉴定所有经济目标的方法，而且其也不可能消除具有经济感应的概率(可能性)，即使在不规则感应图中记录了零值。 

因为不可能依据观测到的感应，在分级目标中完全消除不确定性，所以本发明的方法在探测经济规模目标和错误地将非经济目标归为经济目标之间找到最佳平衡。这是图2中步骤25的目的，其(连同步骤24一起)利用图6中步骤64-66的结果完成。该步骤的顺序设定了一系列假定的探测阈值，并且对于每一假定的阈值，在步骤23的“决定”组中，对所有模拟勘测的正确和不正确分类的数量进行计数。结果 如图11中示出的“ROC”曲线。该曲线上的每一点来自假定的阈值；低阈值在图形的右上方，高阈值在左下方。点表示经济目标将被用给定的阈值探测的概率，与之相对的是，非经济目标将被不正确的归为经济目标(假阳性)的概率。在图形11中用菱形表示的勘测设计为图7a-b中的“32接收器”设计。 

ROC曲线对不同的假定阈值如何影响探测和假阳性之间的平衡进行量化。该平衡，与将被数据影响的决定有关的经济信息一起，决定了与勘测设计有关的信息价值。产生最高信息值的阈值是距离线110最远的一个，此线在图11中可以被称为“无信息(NoInfo)”线。这在“32接收器”曲线上用大的菱形111表示。(“无信息(NoInfo)”线代表了不能区分经济和非经济目标的数据组。)“32接收器”设计的最佳阈值点111给出了大约50％的探测概率，和大约5％的假阳性概率。如果假定经济规模目标的期望值是$40M(40,000,000)，继续探测的成本是$15M(15,000,000)美元，那么对“32接收器”设计来说，方程式(1-6)产生$5.3M(5,300,000)的信息价值。 

在图11中显示的第2条ROC曲线对应于该设计的变化，其中每一个其它接收器和发射器线路被除去(dropped)，从而留下20条接收器线路和5条发射器线路。该勘测设计的成本将低于更费尽的“32接收器”设计。然而，它的性能也将是较低的，如图11中的“20接收器”ROC曲线所示，这里每一个绘图值用正方形符号标出。该设计将总是产出比“32接收器”设计低的信息值，因为它的ROC曲线总是与“无信息(NoInfo)”线更接近。最佳阈值点112(大的正方形)给出了大约40％的探测概率，和大约20％的假阳性概率。用与上述相同的经济参数，这产生$2.1M(2,100,000)的信息值。因此，除非“20接收器”设计比“32接收器”设计便宜$3.2M(3,200,000)以上，否则优选“32接收器”设计。 

在前述的实施例中，利用产生最优价值的探测阈值选择勘测设计，但是这样做不是必须。经常地，有宽范围的探测阈值都产生大约相同的信息值。这是“32接收器”设计的情况，通过旋转图11直到“无信息(NoInfo)”线水平时，可以被看出。这表明有很多点在最佳点的右边，与较低的探测阈值对应，这些点都与“无信息(NoInfo)”线有大约相同的距离。这些点具有不同的探测概率和假阳性概率，但是都将 产生相似的信息价值。例如，具有大约80％探测概率和大约40％假阳性概率的点113产生稍微较低的信息值($4.6M)，但是依据商业目标，(人)可能愿意放弃一些价值以减少错失机会的次数。 

为了举例说明本发明的目的，前面的描述涉及本发明的具体实施方式。然而，对本领域普通技术人员显而易见的是，对本文描述的实施方式进行许多修改和变更是可能的。所有这样的修改和变更拟包括在本发明的范围内，如所附的权利要求所限定的。 

Claims (16)

1.一种用于评价提议的设计的方法，该提议的设计用于地下区域的地球物理勘测，所述方法包括下列步骤：

(a)获得与所述地下区域有关的和与其中潜在目标地层有关的存在的地质信息和经济信息；

(b)使用所述存在的地质信息和提议的勘测设计，模拟所述地下区域的多个校准勘测，每一模拟的勘测采用与存在的信息一致然而随机的目标特性；

(c)利用模拟的校准勘测结果和所述存在的经济信息培训选定的分类器算法，将所述勘测结果转化为经济规模目标存在的指示；

(d)使用所述存在的地质信息和所述提议的勘测设计，模拟所述地下区域的多个决定勘测，每一模拟的勘测采用与所述存在的信息一致然而随机的目标特性；

(e)将已培训的分类器应用于多个模拟的决定勘测的每一个的结果中，产生这种勘测含有至少一个经济目标的可能性的指示；

(f)基于来自所述多个模拟的决定勘测的至少一种经济目标的数个正确指示和至少一种经济目标的数个不正确指示，为目标指示选择阈值；和

(g)基于所述提议的勘测设计，计算地球物理勘测的期望值，这使用Bayes规则和概率进行，所述概率获自与选择的阈值指示值相应的所述数个正确的指示和所述数个不正确指示。

2.权利要求1所述的方法，其中所述的地球物理勘测为可控源电磁勘测。

3.权利要求2所述的方法，其中模拟所述地下区域的多个校准勘测和模拟所述地下区域的多个决定勘测均包括以下步骤：

(A)将所述的存在的地质信息转变为一组目标特性概率分布，其包括所述地下区域中的目标数目的分布；

(B)从目标特性分布中，随机抽取一组目标特性；

(C)将目标放置于所述地下区域的随机位置；

(D)重复步骤(B)-(C)，直至所抽取的数个目标被放置；

(E)解Maxwell场方程以形成灵敏性图的数据库，每一个图在一组代表性的靠近目标位置的中央接收器位置给出了不规则的电磁感应，从而显示对相对目标位置的接收器灵敏性，所述数据库包含一组代表性的目标特性中的每一个的图和源特性的图，所述源特性包括至少一个来自所述提议的勘测设计的源频率；

(F)选择至少一幅灵敏性图，其与上述步骤中的、位于地下位置的一个目标的所述目标特性相匹配；

(G)从所选择的灵敏性图提取所述电磁感应，或从两幅图内插，以得到多个相对的目标与接受器位置；和

(H)对于每一个位于所述地下位置的附加目标，重复步骤(F)-(G)，从而基于所有放置的目标而产生在每一接受器上观察到的模拟的不规则电磁感应的图数据库。

4.权利要求3所述的方法，其中，储存在灵敏性图的每一位置处的所述不规则电磁感应是由任何源位置产生的最大不规则感应。

5.权利要求2所述的方法，其中所述的目标特性包括目标规模、方位、深度和电阻率。

6.权利要求2所述的方法，其中所述的分类器算法是图形识别算法。

7.权利要求6所述的方法，其中所述图形识别算法使用概率神经网络。

8.权利要求2所述的方法，其中所述每一个模拟勘测的结果包括不规则感应图。

9.权利要求8所述的方法，其中不规则感应是与无目标的期望感应不同的任何感应。

10.权利要求1所述的方法，其中所述的计算期望值的步骤使用信息理论评估。

11.权利要求10所述的方法，其中在步骤(g)中得到如下所述概率，其使用给定的目标指示阈值，包括至少一个经济目标的模拟勘测被正确地鉴别为经济性的概率，和包含非经济目标的模拟勘测被错误地鉴别为经济性的概率。

12.权利要求11所述的方法，其中Bayes规则被用于将所述概率转换为根据信息理论评估计算期望勘测值所需要的概率。

13.权利要求1所述的方法，其中(e)中的所述指示为单一数字。

14.一种用于评价地下区域的地球物理勘测结果的方法，其包括如下步骤：

(a)获得与所述地下区域有关的和与其中潜在目标地层有关的存在的地质信息和经济信息；

(b)使用所述存在的地质信息和实际的勘测设计参数，模拟所述地下区域的多个校准勘测，每一模拟的勘测采用与存在的信息一致然而随机的目标特性；

(c)利用模拟的校准勘测结果和存在的经济信息去培训选定的分类器算法，以将所述勘测结果转化为经济规模目标存在的指示；

(d)将已培训的分类器应用于实际勘测的结果中，产生这种勘测含有至少一个经济目标的可能性的指示。

15.权利要求14所述的方法，其中所述的分类器算法是图形识别算法。

16.权利要求15所述的方法，其中所述的图形识别算法使用概率神经网络。

Images