地質(zhì)風(fēng)險評價中的不確定性分析

盛秀杰，金之鈞，徐忠美，蔣 瀚

(1.中國石油化工股份有限公司 石油勘探開發(fā)研究院，北京 100083；2.中國地質(zhì)大學(xué)(北京) 信息工程學(xué)院，北京 100083)

地質(zhì)風(fēng)險評價中的不確定性分析

盛秀杰1，金之鈞1，徐忠美1，蔣 瀚2

(1.中國石油化工股份有限公司 石油勘探開發(fā)研究院，北京 100083；2.中國地質(zhì)大學(xué)(北京) 信息工程學(xué)院，北京 100083)

地質(zhì)風(fēng)險概率法被廣泛應(yīng)用于油氣資源評價中的地質(zhì)風(fēng)險評價。由于很難直接定義每一地質(zhì)評價因子的評價(“打分”)概率模型，專家給出的都是每一評價因子的確定性評價值(“點估計”)—— 單一的、確定性評價結(jié)果并不能夠很好地反映目標(biāo)區(qū)域復(fù)雜地質(zhì)情況的多種可能性，不可避免地出現(xiàn)含油氣有無的高估或低估的情況。結(jié)合油氣資源一體化評價軟件(PetroV)的開發(fā)經(jīng)驗，從如何更客觀地去描述地質(zhì)評價因子的不確定性入手，闡述如何采用多種不確定性分析技術(shù)，更好地融合、體現(xiàn)專家經(jīng)驗以及客觀表達地下復(fù)雜地質(zhì)情況，從而提高地質(zhì)風(fēng)險概率法的不確定性表達能力：(1)通過自信度轉(zhuǎn)換數(shù)學(xué)模型體現(xiàn)專家主觀認知的不確定性；(2)將專家的定性認知進行合理的知識規(guī)則化轉(zhuǎn)換，充分量化地質(zhì)模型的不確定性；(3)基于地質(zhì)風(fēng)險概率法數(shù)學(xué)模型，利用蒙氏模擬計算符合概率分布特征的地質(zhì)風(fēng)險評價結(jié)果；(4)據(jù)地質(zhì)風(fēng)險不確定性評價結(jié)果，可獲取目標(biāo)區(qū)域地質(zhì)風(fēng)險評價的多分位評價值，為后續(xù)的勘探?jīng)Q策給出盡可能全面的決策方案。

自信度轉(zhuǎn)換；模糊邏輯；蒙氏模擬；不確定性評價；地質(zhì)風(fēng)險分析；油氣資源評價

基于最新勘探資料進行地質(zhì)風(fēng)險評價，是回答目標(biāo)區(qū)域油氣資源有無的主要研究活動。定量地質(zhì)風(fēng)險評價主要包括地質(zhì)風(fēng)險分析和不確定性評價兩部分內(nèi)容[1-3]。地質(zhì)風(fēng)險分析，也稱地質(zhì)風(fēng)險概率法，是在給出缺一不可的成藏地質(zhì)條件的主觀評價值(也稱“打分值”)基礎(chǔ)上，通過連乘來計算目標(biāo)區(qū)域的地質(zhì)風(fēng)險確定性評價結(jié)果[4]；而不確定性評價是基于成藏地質(zhì)條件多種可能性的定量描述，來獲取符合某種概率分布的地質(zhì)風(fēng)險不確定性評價結(jié)果。一旦確定了評價目標(biāo)以及關(guān)鍵地質(zhì)評價因子，合理的地質(zhì)風(fēng)險評價結(jié)果來自于準(zhǔn)確了解地質(zhì)不確定因素并盡可能使其充分呈現(xiàn)出來。業(yè)內(nèi)學(xué)者也一直致力于如何很好地刻畫油氣成藏過程的不確定性，進而獲取合理的地質(zhì)風(fēng)險評價結(jié)果[5-8]。盡管如此，對地下認知的不確定性表達仍然是地質(zhì)風(fēng)險評價面臨的主要瓶頸。為了合理估算不確定條件下的某些地質(zhì)條件的評價值范圍，本文結(jié)合PetroV軟件的時間開發(fā)經(jīng)驗[9]，提出了一種全新的定量評價思路(圖1)：強調(diào)利用多種不確定性定量分析技術(shù)，分層次刻畫從主觀推測到客觀預(yù)測過程中的不確定性，最終給出盡可能全面的不確定性地質(zhì)風(fēng)險評價結(jié)果。不確定性分析技術(shù)主要包括：(1) 通過自信度轉(zhuǎn)換體現(xiàn)專家主觀認知的不確定性；(2) 將專家的定性認知進行合理的知識規(guī)則化轉(zhuǎn)換，使得對地質(zhì)評價參數(shù)的分析從基于單一可能性的“純粹”定量分析過渡到基于多種可能性的“模糊”定量分析，盡可能使不確定性降到最低；(3)基于地質(zhì)風(fēng)險概率法，利用蒙氏模擬獲取多因子綜合地質(zhì)風(fēng)險評價結(jié)果的不確定性表達，也就是符合概率分布特征的地質(zhì)風(fēng)險不確定性評價結(jié)果。

1 基于自信度轉(zhuǎn)換的不確定性分析

地質(zhì)風(fēng)險概率法強調(diào)油氣成藏過程所受的控制因素很多，生油層、儲集層、蓋層、圈閉、運移、保存及相互之間的配置關(guān)系是其主要影響因素(式1中的Pi)；上述成藏地質(zhì)條件是決定目標(biāo)區(qū)域是否具有油氣藏的系列獨立事件，意味著缺一則該區(qū)域都不能形成油氣藏。因此，目標(biāo)區(qū)域是否存在油氣的可能性，就可以用獨立事件同時發(fā)生的概率乘積來表示(式1)。其中，單項成藏地質(zhì)條件(式1、2中的Pi)存在發(fā)生的概率，又可進一步依賴于其子項成藏地質(zhì)因素(式2中的Pij)的好與壞，由它包含的子項地質(zhì)因素加權(quán)(式2中的qij)平均值得到[10]。不同目標(biāo)區(qū)域所使用的評價參數(shù)體系與參數(shù)取值標(biāo)準(zhǔn)對地質(zhì)評價結(jié)果有直接影響。表1是基于成藏體系理論定義，應(yīng)用于大港某區(qū)帶地質(zhì)評價的評價參數(shù)體系與評價規(guī)范[11]，本文后續(xù)不確定性評價示例主要圍繞表1的評價參數(shù)與評價規(guī)則定義展開(圖2)。

圖1 油氣資源不確定性的漸進評價流程

(1)

(2)

式中：P表示評價對象地質(zhì)風(fēng)險評價結(jié)果；Pi表示單項成藏條件的成功概率；Pij表示子項成藏要素的地質(zhì)成功概率；qij表示不同子項評價時所占的比重。

對各子項成藏地質(zhì)因素評價的主觀評價(也稱“專家打分”)，主要有兩種方法：一是專家針對最新勘探資料的定性認知，直接設(shè)定其主觀成功概率值；二是基于子項成藏地質(zhì)因素的量化定義，根據(jù)表1中的評價規(guī)則進行線性插值來計算其評價值。不管何種模式，上述兩種方式賦予子項成藏地質(zhì)因素的評價值都是確定性的定值，往往對應(yīng)的是子項成藏地質(zhì)因素多種可能性中的一種；而在實際鉆井前，受限于目標(biāo)區(qū)域的勘探程度以及勘探資料可信度，對子項成藏地質(zhì)條件的認知本身是不確定的?？梢姡鲜鲇嬎阋?guī)則規(guī)避了此問題，只能在多種情況中選一種，把不同子項要么高估、要么低估的結(jié)果通過式2、1傳遞到最終的地質(zhì)風(fēng)險量化評價結(jié)果上 —— 由于地質(zhì)風(fēng)險概率法提供的是單一的、確定性(“點估計”)評價結(jié)果，其蘊含的不確定性信息不夠充分，在某種程度上會造成后續(xù)相關(guān)決策方案的片面或單一。當(dāng)然，形成“點估計”的真正原因并不在于概率數(shù)學(xué)模型本身，而是對模型中涉及的地質(zhì)評價因子的不確定性評價，缺少一種有效的量化方法。即，通過提升地質(zhì)評價因子的不確定性表達與計算能力，地質(zhì)風(fēng)險概率法將會進一步有利于決策人員的綜合評價，從而制訂出合理的勘探部署決策方案。

表1 應(yīng)用于大港某區(qū)帶地質(zhì)評價的評價參數(shù)體系

圖2 評價參數(shù)主觀推測面板與評價結(jié)果圖形顯示(PetroV)

針對上述問題，本文提出自信度轉(zhuǎn)換模型來量化體現(xiàn)專家主觀評價時的不確定性 ——“自信度高”意味著評價結(jié)果相對確定，“自信度低”則體現(xiàn)了評價結(jié)果的不確定性。也就是說，對不同地質(zhì)評價因子的相關(guān)勘探資料的把握和認知程度,某種程度上反映了其對成藏貢獻程度的不確定性描述(圖2，右上圖)：主觀推測結(jié)果接近分值1.0，對其“好”的成藏貢獻的自信度越高，用綠顏色表示；同理，主觀推測結(jié)果接近分值0.0，對其“破壞”成藏的自信度越高，用紅顏色表示；而分值接近于0.5，體現(xiàn)了其相對“糾結(jié)”的成藏貢獻度，自信度最低，用黃顏色表示。因此，通過雙線性轉(zhuǎn)換可把主觀推測結(jié)果的0.5～1.0分值區(qū)間映射到0.0～1.0自信度區(qū)間，主觀推測結(jié)果的0.0～0.5分值區(qū)間映射到-1.0～0.0的自信度區(qū)間。PetroV通過自信度轉(zhuǎn)換，把子項成藏地質(zhì)條件的主觀評價結(jié)果轉(zhuǎn)換為不確定性的量化描述，并結(jié)合三色可視化方案(紅綠燈)用于后續(xù)地質(zhì)評價系列結(jié)果圖件，使得對地質(zhì)評價結(jié)果一目了然(綠燈“行”，紅燈“停”)。如，金之鈞對地質(zhì)風(fēng)險結(jié)果進行了進一步量化區(qū)分，用以表征成藏成熟度并提出了對應(yīng)的圖版[12]，利用上述雙線性轉(zhuǎn)換和三色表達，可以進一步將地質(zhì)風(fēng)險評價結(jié)果的不確定性轉(zhuǎn)換為不同油氣藏的成藏成熟度(圖2，右下圖,成熟度結(jié)果為0.21)。

基于自信度模型的不確定性量化轉(zhuǎn)換，并不是直接建立在對子項成藏地質(zhì)條件多種可能性的量化定義基礎(chǔ)上，評價結(jié)果還是具有很強的主觀隨機性。本文通過借鑒模糊邏輯推理相關(guān)數(shù)學(xué)模型，在定義相關(guān)模糊(知識)規(guī)則基礎(chǔ)上構(gòu)建模糊推理流程，從基于單一可能性的純粹定量分析過渡到基于多種可能性的定量分析，為地質(zhì)評價的不確定性研究提供一種新的不確定性評價思路。

2 基于模糊邏輯推理的不確定性分析

得益于Zadeh(1965)、Mamdani(1975)等學(xué)者的研究成果[13]，模糊邏輯推理被應(yīng)用于多種信息處理系統(tǒng)，尤其是相關(guān)自動控制系統(tǒng)的研發(fā)。區(qū)別于傳統(tǒng)集合理論的單值邏輯推理(“非此即彼”)，模糊邏輯的多值邏輯推理可有效模擬不確定性推理過程。如，針對表1的“儲層埋深”成藏地質(zhì)因素，假定其埋深是1 400 m，根據(jù)圖3a的單值推理模型，該子項成藏條件被直接歸為埋深較淺的一類——“淺”意味著該子項主觀評價結(jié)果高(表1的分值在0.75～1.0之間)。而根據(jù)圖3b的多值推理，儲層埋深1 400 m被轉(zhuǎn)換成邊界模糊定義：某種程度屬于埋深“淺”一類(比重為0.65)，同時某種程度又屬于埋深“中等”一類(比重為0.35)，通過加權(quán)平均合理地減低了評價值，客觀體現(xiàn)了對該地質(zhì)因子認知的不確定性。

除了有效處理邊界模糊問題外，模糊邏輯推理也可很好地應(yīng)用于基于定性描述(如，“低成熟”，“過成熟”，“未成熟”)或非數(shù)值型描述(如，排序問題)的地質(zhì)評價因子的推理過程(圖4)?？梢?，在刻畫相關(guān)地質(zhì)條件的不確定性以及基于對地下認知的定性描述進行推理等方面，模糊邏輯的多值推理具有很好的應(yīng)用切入點[14-15]。本文遵循模糊推理邏輯推理的一般流程，將基于模糊邏輯推理的不確定性評價主要分為三步：(1) 定義每一地質(zhì)評價參數(shù)的多值模型，也可看成對地下認知的不確定性量化處理；(2) 建立不同評價參數(shù)間的地質(zhì)評價規(guī)則；(3)反模糊化推理結(jié)果，計算每一地質(zhì)評價參數(shù)的定量結(jié)果。

圖3 評價參數(shù)單值與多值推理示意(PetroV)

圖4 定性值域的評價參數(shù)的模糊成員函數(shù)示意(PetroV)

3 地質(zhì)評價參數(shù)的模糊化

模糊化就是將每一地質(zhì)評價參數(shù)的值域進行多種可能性區(qū)分，進而對應(yīng)為系列模糊成員函數(shù)，利用模糊成員函數(shù)量化表述其多種可能性。此外，每個成員函數(shù)都有明確的名稱定義，以便于后續(xù)建立基于定性描述的模糊評價規(guī)則[16]。模糊成員函數(shù)的縱軸取值范圍為0.0～1.0，為不同成員函數(shù)(不同地下認知的可能性)與該評價參數(shù)的關(guān)聯(lián)度描述，橫軸對應(yīng)的是該評價參數(shù)值域范圍內(nèi)的某一區(qū)間；不同成員函數(shù)的取值區(qū)間可以重疊(地下認知的不確定性)，但關(guān)聯(lián)度累加和為1.0。如，圖3中“淺”成員函數(shù)對應(yīng)的儲層埋深為0～1 800 m，而“中等”成員函數(shù)對應(yīng)的是1 200～2 500 m，它們重合部分的比重和為1.0。模糊成員函數(shù)的類型(幾何形狀)主要分為非參數(shù)型(圖5a)和參數(shù)型(圖5b,c)兩類:基于非參數(shù)定義的幾何形狀，代表了單值推理數(shù)學(xué)模型(式3)?？紤]到后續(xù)反模糊計算的簡單與有效，參數(shù)化數(shù)學(xué)模型往往采用基于線性插值的梯形和三角形幾何形狀(式4、5)。當(dāng)然，根據(jù)實際地質(zhì)評價參數(shù)的分布特點，成員函數(shù)也可以直接被定義為某種概率分布曲線。

(3)

(4)

(5)

式中：x表示地質(zhì)評價參數(shù)的評價值；μ(x)表示模糊成員函數(shù)；x1、x2、x3、x4表示當(dāng)前評價參數(shù)的關(guān)鍵評價值，用于區(qū)分不同評價情形。

可見，PetroV對地質(zhì)評價參數(shù)的模糊化就是將地下認知的多種可能性映射成系列模糊成員函數(shù)的邊界重疊(圖6)，后續(xù)利用不同的模糊邏輯操作進行客觀邏輯推理?！澳：钡幕静襟E是(圖6)：(1)識別每一地質(zhì)評價參數(shù)的量化內(nèi)容是數(shù)量定義(Rational)還是定性描述(Categorial)，來指定其值域類型(Value Type)；(2)選定三角(Triangular)還是梯形(Trapezodial)“概率”分布形態(tài)來約定成員函數(shù)類型(Function Type)；(3)據(jù)表1中每一地質(zhì)評價參數(shù)的不同“打分”值域區(qū)間對應(yīng)不同成員函數(shù)，左、右調(diào)整現(xiàn)有值域區(qū)間，進一步區(qū)分出不同成員函數(shù)的確定性區(qū)間(Lower-Upper)和不確定性區(qū)間(Left-Lower, Upper-Right)，其中不同成員函數(shù)的不確定性區(qū)間的疊合體現(xiàn)了對地下認知的某種程度的不確定性；(4)最后，為每個成員函數(shù)(地下認知)給出對應(yīng)的定性地質(zhì)評價結(jié)果(Geological Favorability)，用于后續(xù)模糊評價規(guī)則的建立。

3.1 定義地質(zhì)評價規(guī)則(模糊規(guī)則)

通過圖6給出每一地質(zhì)評價參數(shù)的多值模型后，定義系列地質(zhì)評價(模糊或知識)規(guī)則是后續(xù)計算不確定性量化結(jié)果的充分必要條件。每一條地質(zhì)評價規(guī)則采用的是專家系統(tǒng)中典型的IF-THEN范式，包括邏輯條件和結(jié)論兩部分：邏輯條件的“主”、“謂”、“賓”分別對應(yīng)“評價參數(shù)”、“模糊集合運算子”與“評價參數(shù)的某一成員函數(shù)”；結(jié)論部分(也稱“地質(zhì)評價結(jié)果”)被定義為面向所有評價參數(shù)的統(tǒng)一地質(zhì)評價結(jié)果，其不同成員函數(shù)對應(yīng)為表1中約定的不同“打分”區(qū)間，包括“很不好(unfavorable)”、“不好(questionable)”、“一般(neural)”、“好(encouraging)”、“很好(favorable)”5個評價層次。說明的是，在實際工作中，地質(zhì)評價結(jié)果的評價層次可以靈活調(diào)整，以便更合理獲取定量地質(zhì)評價結(jié)論。

圖5 3種典型成員函數(shù)數(shù)學(xué)模型

圖6 定義地質(zhì)評價因子多值模型面板(PetroV)

基于地質(zhì)評價參數(shù)和統(tǒng)一地質(zhì)評價結(jié)果的多值模型，模糊規(guī)則的解譯或推理關(guān)鍵在于二者不同成員函數(shù)間邏輯運算子的合理運用。常見的模糊邏輯運算子主要包括：“求交”、“求和”、“求補”等(式6、7、8)?！扒蠼弧币馕吨蓚€成員函數(shù)的最小值，“求和”意味著取兩個成員函數(shù)的最大值，“求補”則意味著取某一成員函數(shù)的反值。在約定某一地質(zhì)評價參數(shù)的地質(zhì)認知(式6、7、8中的X)情況下，PetroV主要采用“求和”邏輯運算子來聯(lián)合(Union)地質(zhì)評價結(jié)果中的鄰接成員函數(shù)圖形, PetroV解譯地質(zhì)評價規(guī)則的過程如下：(1)基于地質(zhì)評價參數(shù)的多值模型，計算該地質(zhì)評價參數(shù)的“打分”結(jié)果，計算模式主要包括“單值推測”(圖7a)，“線性插值”(圖7b)和“不確定性推測”(圖7c,d)；(2) 關(guān)聯(lián)地質(zhì)評價結(jié)果中的成員函數(shù)，將上述打分結(jié)果投影到該成員函數(shù)的縱軸和橫軸上，形成以多邊形形狀表達(圖7陰影部分)的評價結(jié)果；(3)針對不確定性推測關(guān)聯(lián)的兩個成員函數(shù)，采用“求和”聯(lián)合陰影部分，形成最大可能的分值分布(圖7c,d)。

μA∩B(x)=min{μA(x),μB(x)},x∈

(6)

μA∪B(x)=max{μA(x),μB(x)},x∈

(7)

(8)

以圖3“儲層埋深”的多值模型為例，假定兩條地質(zhì)評價規(guī)則來進行不確定性計算(圖7)：第一條，如果儲層埋深屬于“淺”，那么其地質(zhì)評價結(jié)果為“很好”；第二條，如果儲層埋深屬于“中等”，那么其地質(zhì)評價結(jié)果為“好”。在計算(推理)過程中，除了可很好地兼容地質(zhì)風(fēng)險概率法的單值推理模式外，模糊邏輯推理還充分考慮了評價參數(shù)地下認知的不確定性。如，假設(shè)儲層埋深為800m，那么可根據(jù)規(guī)則直接獲取“很好”的地質(zhì)評價結(jié)果(圖7a陰影部分，且充滿)；假設(shè)儲層埋深2 200m，那么可根據(jù)規(guī)則直接獲取“好”的地質(zhì)評價結(jié)果(圖7b陰影部分，未充滿)；假設(shè)儲層埋深1 300m或1 600m(圖7c,d)，則評價結(jié)果取決于“很好”與“好”成員函數(shù)的邏輯運算。可見，基于不同地質(zhì)評價規(guī)則獲取的地質(zhì)評價結(jié)果并不是純粹性的定量分值，而是具有一定分布區(qū)間的不規(guī)則幾何形狀。同時，評價結(jié)果的幾何形狀或分布趨勢(“正向”或“負向”分布)也可作為后續(xù)該地質(zhì)評價參數(shù)概率數(shù)學(xué)模型選擇的依據(jù)。

圖7 基于模糊規(guī)則的系列推理場景(PetroV)

3.2 反模糊化

通過解譯不同地質(zhì)評價參數(shù)的系列地質(zhì)評價規(guī)則，地質(zhì)評價結(jié)果并不是一定值，而是由不同成員函數(shù)聯(lián)合形成的具有不同分布特點的聯(lián)合多邊形(圖7陰影部分)。因此，如何利用適合的數(shù)學(xué)方法計算體現(xiàn)不同成員函數(shù)的綜合貢獻度(或單一評價值)變?yōu)殛P(guān)鍵 —— 需要通過系列反模糊化技術(shù)手段獲取最終的地質(zhì)風(fēng)險分析的量化結(jié)果(質(zhì)心法、奇異點法、最大值法等[17])。PetroV采用的是質(zhì)心法，即，通過計算陰影多邊形的質(zhì)心，獲取質(zhì)心點的縱軸投影作為目標(biāo)區(qū)域地質(zhì)評價的風(fēng)險分析結(jié)果。相對于自信度轉(zhuǎn)換的不確定性表達，利用模糊邏輯推理相關(guān)數(shù)學(xué)模型獲取的地質(zhì)風(fēng)險評價結(jié)果(反模糊化)，在某種程度上是蘊含了不同評價參數(shù)自身地質(zhì)不確定性的表達，進而通過式1、2可以獲取相對客觀的地質(zhì)風(fēng)險評價結(jié)果。問題是，該結(jié)果還是“點估計”評價結(jié)果，還不能夠真正意義上為決策人員提供符合某種概率分布的地質(zhì)風(fēng)險評價結(jié)果。

4 基于蒙氏模擬的不確定性分析

理論上，蒙特卡洛方法的核心就是通過人為構(gòu)造一合適的依賴隨機變量(評價參數(shù)的地質(zhì)評價結(jié)果)的概率模型，使某些隨機變量的統(tǒng)計量為待求問題的解(式1中的獨立事件連乘)，進行大統(tǒng)計量的統(tǒng)計實驗[18]。因此，最終不確定性表達的關(guān)鍵在于如何把每個評價參數(shù)的不確定性聯(lián)合、衍變?yōu)槟繕?biāo)區(qū)域綜合地質(zhì)評價結(jié)果的概率分布：(1)約定每一地質(zhì)評價參數(shù)的不確定性定義(也稱多值模型)，并通過建立合理的地質(zhì)評價規(guī)則來計算不確定性評價結(jié)果(陰影部分)；(2) 根據(jù)評價結(jié)果(陰影)“分值”分布趨勢(正向、負向還是對稱)，選擇適合的隨機數(shù)產(chǎn)生器，產(chǎn)生對應(yīng)的分值概率曲線；(3)根據(jù)式1、2，將不同地質(zhì)評價參數(shù)的概率“打分”曲線作為輸入，同時可結(jié)合不同地質(zhì)評價參數(shù)間的相關(guān)性，進行大統(tǒng)計量模擬計算，獲取最終多分位地質(zhì)風(fēng)險評價結(jié)果。

蒙特卡洛模擬的效果“好”與“壞”與每個評價參數(shù)的評價結(jié)果的概率分布模型，或隨機數(shù)產(chǎn)生器有直接的關(guān)系。PetroV基于模糊邏輯推理獲取的評價結(jié)果的幾何形狀，為隨機數(shù)產(chǎn)生器提供了合理的參考和約定。如，采用三角分布隨機數(shù)產(chǎn)生器，通過5 000次隨機采樣，圖7c和圖7d的陰影部分合理地轉(zhuǎn)換為分布趨勢相同的圖8a和圖8b的直方圖統(tǒng)計分布。在為每個評價參數(shù)選取合適的概率分布模型之后，本文利用式1、2，進行5 000次隨機統(tǒng)計分析，基于直方圖(分100組)統(tǒng)計獲取的蒙特卡洛模擬結(jié)果能夠很好地反映地質(zhì)評價中的不確定性，包括“聯(lián)合概率”分布曲線和7分位對應(yīng)的地質(zhì)風(fēng)險量化評價結(jié)果(圖9)。可見，相對于基于表1打分規(guī)則直接計算獲取的單一地質(zhì)風(fēng)險評價結(jié)果(0.21，圖2右側(cè)下圖)，基于模糊邏輯推理，進而利用蒙氏模擬獲取的結(jié)果具有更多的選擇判斷：大于50%的概率，風(fēng)險評價值是0.22；大于90%的概率，風(fēng)險評價值是0.1；大于10%的概率，風(fēng)險評價值是0.38。

5 結(jié)論

油氣資源評價中最確定的事情就是評價結(jié)果的不確定性。本文提出、引進的自信度轉(zhuǎn)換、模糊邏輯推理和蒙氏模擬等技術(shù)，通過分層次刻畫地質(zhì)風(fēng)險評價中的不確定性，目的就在于使得不同勘探階段的評價結(jié)果的不確定性降到最低或最大可能地描述出來。在勘探階段初期，自信度轉(zhuǎn)換能夠有效量化不同專家主觀推斷情形，可以較好地在最終地質(zhì)評價結(jié)果中體現(xiàn)地質(zhì)資料自身的不確定性、可信度等。隨著勘探資料的豐富，通過建立地質(zhì)評價參數(shù)的多值模型，能夠客觀表達對不同評價參數(shù)地下認知的不確定性，進而通過模糊邏輯推理計算關(guān)鍵地質(zhì)評價因子的評價值，使得地質(zhì)風(fēng)險概率的計算結(jié)果蘊含了客觀不確定性信息?；谀：壿嬐评慝@取的地質(zhì)評價參數(shù)“打分”分布趨勢，合理約定不同地質(zhì)評價參數(shù)評價結(jié)果的概率分布曲線，進而基于蒙氏模擬能夠給出更加客觀的地質(zhì)評價的多分位評價值，使得決策人員在后續(xù)的勘探?jīng)Q策中能夠充分考慮評價結(jié)果的不確定性。顯然，在充分融合專家對目標(biāo)區(qū)域深層次認知以及客觀表達地下認知的不確定性的基礎(chǔ)上，本文基于自信度轉(zhuǎn)換模型、模糊邏輯推理和蒙特卡洛模擬等技術(shù)手段，除了顯著提升地質(zhì)風(fēng)險概率法的“決策能力”外，更重要的是，為地質(zhì)風(fēng)險評價中的不確定性分析提供了新的研究思路。

圖8 利用圖7d的模糊概率原型進行5 000次隨機取樣的三角概率分布模型(PetroV)

圖9 進行5 000次隨機統(tǒng)計分析的地質(zhì)風(fēng)險不確定性體現(xiàn)(PetroV)

[1] 武守城.石油資源地質(zhì)評價導(dǎo)論[M].北京:石油工業(yè)出版社,1994:292-294.

WuShoucheng.Introductionofpetroleumresourcesassessment[M].Beijing:PetroleumIndustryPress,1994:292-294.

[2] 國土資源部油氣資源戰(zhàn)略研究中心.新一輪全國油氣資源評價[M].北京:中國大地出版社,2009:66-71.

StrategicResearchCenterofOil&GasResources,MinistryofLand&Resources.Thelatestnationalresourcesassessment[M].Beijing:ChinaUniversityofGeosciencesPress,2009:66-71.

[3] 郭秋麟,米石云.油氣勘探目標(biāo)評價與決策分析[M].北京:石油工業(yè)出版社,2004:21-22.

GuoQiulin,MiShiyun.Assesmentofpetroleumexplorationtargetandexplorationdecisions[M].Beijing:PetroleumIndustryPress,2004:21-22.

[4] 盛秀杰,金之鈞,鄢琦,等.成藏體系油氣資源評價中的統(tǒng)計方法體系[J].石油與天然氣地質(zhì),2013,34(6):827-833.

ShengXiujie,JinZhijun,YanQi,etal.Statisticalmethodseriesfortheresourceassessmentofpetroleumaccumulationsystem[J].Oil&GasGeology,2013,34(6):827-833.

[5]RosePR.油氣勘探項目的風(fēng)險分析與管理[M].北京:石油工業(yè)出版社,2002:6-50.

RosePR.Riskanalysisandmanagementofpetroleumexplorationventures[M].Beijing:PetroleumPress,2002:6-50.

[6]OtisRM,SchneidermannN.Aprocessforevaluatingexplorationprospects[J].AAPGBulletin,1997,81(7):1087-1109.

[7]WhiteDA.Geologicriskingguideforprospectsandplays[J].AAPGBulletin,1993,77(12):2048-2061.

[8]HoughtonJC,DoltonGL,MastRF,eta1.U.S.GeologicalSurveyestimationprocedureforaccumulationsizedistributionsbyplay[J].AAPGBulletin,1993,77(3):454-466.

[9] 盛秀杰,金之鈞,郭勤濤,等.油氣資源評價一體化技術(shù)及軟件實現(xiàn)的探討[J].地質(zhì)論評,2014,60(1):159-168.

ShengXiujie,JinZhijun,GuoQintao,etal.Discussiononintegratedresourceevaluationandsoftwaredevelopment[J].Geolo-gicalReview,2014，60(1):159-168.

[10] 金之鈞 張金川.油氣資源評價技術(shù)[M].北京:石油工業(yè)出版社,1999:66-71.

JinZhijun,ZhangJinchuan.Petroleumresourceassessmenttechniques[M].Beijing:PetroleumIndustryPress,1999:66-71.

[11] 陳善勇,金之鈞,劉小平.黃驊坳陷第三系油氣成藏體系定量評價[J].石油與天然氣地質(zhì),2004,25(5):544-547,602.

ChenShanyong,JinZhijun,LiuXiaoping.QuantitativeevaluationofTertiarypetroleumaccumulationsystemsinHuanghuadepression[J].Oil&GasGeology,2004,25(5):544-547,602.

[12] 金之鈞,張一偉,王捷,等.油氣成藏機理與分布規(guī)律[M].北京:石油工業(yè)出版社,2003.

JinZhijun,ZhangYiwei,WangJie,etal.Hydrocarbonaccumulationmechanismsandoil/gasdistribution[M].Beijing:PetroleumIndustryPress,2003.

[13]ZadehLA.Fuzzysetsasabasisforatheoryofpossibility[J].FuzzySetsandSystems,1978,1(1):3-28.

[14]CarranzaE,HaleM.Geologicallyconstrainedfuzzymappingofgoldmineralizationpotential,BaguioDistrict,Philippines[J].NaturalResourcesResearch,2001,10(2):125-136.

[15]ChenHC,FangJH.Anewmethodforprospectappraisal[J].AAPGBulletin,1993,77(1):9-18.

[16]PassinoKM,YurkovichS.Fuzzycontrol[M].California:AddisonWesley,1998.

[17]RossTJ.Fuzzylogicwithengineeringapplications[M].NewYork:McGraw-Hill,1995.

[18]RobertCP,CasellaG.Montecarlostatisticalmethods[M].2nded.NewYork:Springer,2004.

(編輯 徐文明)

Uncertainty evaluation of petroleum risk assessment

Sheng Xiujie1, Jin Zhijun1, Xu Zhongmei1, Jiang Han2

(1.SINOPEC Petroleum Exploration & Production Research Institute, Beijing 100083, China; 2.Information Engineering Institute, China University of Geosciences (Beijing), Beijing 100083, China)

The margin and condition probability analysis is broadly applied to the geological risk evaluation for an immature play with joining the “success” probabilities subjectively specified for those independently involved geological factors. Considering that it is difficult to specify a reasonable scoring distribution curve for each geological factor, this method contributes a “point” estimation about whether there exists petroleum resource. Obviously, subjected to lack efficient ways to encode the information about geological multi-scene of subsurface and possibi-lities for each geological factor, the above crisp estimation conclusion would be generally either higher or lower. In order to enhance the capability of uncertainty expression of geological risk evaluation, this paper presents three heuristic mathematic models to deeply quantify the understanding of a geological expert and objectively delineate the possibilities of subsurface occasion, etc. Meanwhile, the uncertainty assessment methods discussed also de-monstrate a reasonable uncertainty evaluation process from subjective guess to objective prediction in order to shrink the uncertainty of evaluation as more as possible. Firstly, the double linear conversion between subjective inference for each factor and quantized confidence shares an efficient alternative to describe subjective uncertainty. Next, the specification of multi-value model and setup of corresponding fuzzy rules for each geological factor may accurately and honestly reflect the worldly uncertainty of subsurface multi-scene while matching the domain expert’s understanding as more as possible. At last, Montecarlo method randomly joins the objective uncertainty distribution curve of each factor and shares experts with quantiles evaluation which would benefit incoming reasonable exploration solution. As a conclusion, this paper not only investigates how to make full scale uncertainty evaluation for geological evaluation, but also expands a new horizon about geological risk uncertainty research.

confidence conversion; fuzzy logic; Montecarlo simulation; uncertainty evaluation; geological risk analysis; petroleum assessment

1001-6112(2014)05-0633-09

10.11781/sysydz201405633

2014-05-01；

2014-08-18。

盛秀杰(1973—)，男，高級工程師，從事油氣資源評價、專業(yè)應(yīng)用軟件開發(fā)等研究。E-mail: shengxj.syky@sinopec.com。

國家科技重大專項(2011ZX05005-001-004)資助。

TE122.3+5

A