On classification of logging data

Abstract

Die Erkennung stratigraphischer Einheiten innerhalb von marinen Sedimentablagerungen wird üblicherweise durch eine kombinierte Interpretation von Seismik-, Bohrlochsonden- und Kern-Daten vorgenommen. Im Falle von mehrdeutigen seismischen Daten und schlechtem Kerngewinn wird die genaue Bestimmung der stratigraphischen Grenzen zunehmend schwieriger. Wünschenswert wäre somit eine automatische Unterscheidung der Sedimentabfolgen, um mögliche interpretative Fehler auszuschließen. Diese Aufgabe kann von automatisierten Lernverfahren übernommen werden, die die durchteuften Bohrstrecken in stratigraphische Einheiten einteilen. Sieben überwachte Lernverfahren werden auf Bohrlochmessdaten angewandt, namentlich die lineare und quadratische Diskriminanzanalyse, logistische Regression, k-nächste Nachbarn-Verfahren, Support-Vektor-Maschine, Backpropagation neuronales Netz und probabilistisches neuronales Netz. Die Daten wurden im Rahmen der PROMESS-1 Messfahrt im Mittelmeer (Golf von Lyon und Adria) gewonnen und bestehen aus Kernlogdaten, Messwerten von Bohrlochsonden und fluoreszierender Kern-Röntgenspektroskopie...