4、无监督异常检测技术在测井数据中的应用

无监督异常检测技术在测井数据中的应用

在地质和地球物理研究中，无监督异常检测技术（Unsupervised Outlier Detection Techniques，ODTs）对于分析测井数据至关重要。然而，在实际应用中，由于缺乏对异常值和正常值的先验知识，很难评估这些技术的性能。为了解决这个问题，我们进行了一项比较研究，旨在找出在各种类型的测井数据集上表现最佳的无监督ODT，同时尽量减少超参数调整。

1. 数据集描述

本研究使用了来自两个不同储层的两口井的测井数据：
- 陆上数据集 ：来自井1，深度范围为580 - 5186英尺，包含5617个深度样本。该数据集包含了不同岩性（石灰岩、砂岩、白云岩和页岩）的测井响应，包括伽马射线（GR）、密度（RHOB）、中子孔隙度（NPHI）、纵波声波传播时间（DTC）以及深、浅电阻率测井（RT和RXO）。
- 海上数据集 ：来自井2，深度范围为8333 - 13327英尺，包含9986个深度样本。该数据集包含了不同岩性（石灰岩、砂岩、白云岩、页岩和硬石膏）的测井响应，包括伽马射线（GR）、密度（DEN）、中子孔隙度（NEU）、纵波声波传播时间（AC）、深和中电阻率（RDEP和RMED）以及光电因子（PEF）测井。

2. 数据预处理

数据预处理是将原始数据转换为机器学习算法可以处理的干净数据集的重要步骤。主要的数据预处理任务包括：
- 修复空值或NaN值；
- 填充缺失值；
- 特征缩放；
- 样本归一化；
- 去除异常值；
- 对定性/名义分类特征进行编码；