Introduzione
di4g (data integrator for geology) è uno strumento sviluppato per l’analisi di dati
geologici, in particolare per la geologia degli idrocarburi. Questa disciplina si occupa di
cercare e valutare gli elementi fondamentali nella formazione di un giacimento di
idrocarburi in un bacino sedimentario. Tipicamente, attraverso sonde calate nei pozzi
esplorativi, si ottengono numerosi dati eterogenei, costituiti da log elettrici e
rappresentati sotto forma di curve e log immagini (detti FMI) significative della
conformazione delle pareti dei pozzi. Da queste immagini si possono ricavare informazioni
riguardanti la tessitura delle rocce, il tipo di porosità, la presenza di fratture
(rappresentate da sinusoidi). L’esperto geologo analizza questi log visivamente, per
identificare le varie caratteristiche presenti all’interno delle immagini. Questa è però
un’analisi complessa e soggettiva nell’interpretazione che richiede, inoltre, un elevato
tempo di esecuzione. Per questo, è stato sviluppato I2AM (Intelligent Image Analysis
and Mapping), un software per l’interpretazione semiautomatica delle immagini
provenienti dai pozzi petroliferi (
L’obiettivo del progetto è stato quello di sviluppare uno strumento per l’analisi
integrata di dati da esplorazioni petrolifere, orientato allo studio di diversi pozzi e di tipi
di dati eterogenei (
Il flusso di lavoro di di4g è suddiviso in tre fasi principali (si veda Figura 1): • nella prima fase avviene l’importazione dei file. L’applicazione consente di importare più file contenenti dati riferiti ad ogni pozzo e tramite un algoritmo di allineamento costruisce il dataset utilizzato nel successivo processo di clustering. Altra funzionalità fondamentale in questa fase è la possibilità di importare file contenenti dati riferiti a più pozzi; in questo modo è possibile analizzare contemporaneamente le caratteristiche di un intero campo esplorativo; • nella seconda fase avviene il processo di clustering. In questa fase si normalizzano i dati, e la normalizzazione è solitamente applicata sull’intero dataset. Avendo inoltre la possibilità di importare dati riferiti a più pozzi, il sistema è stato reso in grado di calcolare anche una normalizzazione riferita a ogni singolo pozzo. In questa fase è stato anche ottimizzato il processo di clustering. • nella terza fase avviene l’esportazione del dataset risultante dal processo di clustering. In questa fase è importante per il geologo poter costruire diversi tipi di grafici a partire dal dataset ottenuto dal clustering. I grafici aiutano il geologo nel processo di identificazione dei tipi di rocce del pozzo esplorato. Sono stati anche integrati direttamente nell’applicazione di4g moduli di visualizzazione dei grafici e una tabella contenente le statistiche per ogni singolo cluster creato. L’applicazione fornisce un’interfaccia che consente l’importazione di file provenienti da tecniche e strumenti diversi, per numerosi pozzi. Il file d’ingresso dovrà essere una tabella numerica in formato testo con tante righe quante sono le profondità analizzate e tante colonne (separate da un delimitatore o lunghezza fissa) quante sono le variabili prese in esame riguardanti ad esempio la densità e la porosità delle rocce; dovrà inoltre contenere gli identificativi dei diversi pozzi. Un’analisi globale dell’insieme di pozzi, fornisce una classificazione unificata e quindi una rappresentazione coerente delle tipologie di rocce (questo è particolarmente utile solo per pozzi geograficamente vicini).
Come detto in precedenza i dati possono essere generati utilizzando strumenti differenti e avere così anche risoluzioni differenti; il sistema fornisce all’utente la possibilità di importare molti formati di testo, potendo scegliere separatore, numero di righe d’intestazione, e altre caratteristiche.
Inoltre è necessario in questa prima fase eseguire un allineamento dei diversi file importati. L’allineamento avviene analizzando ogni profondità della matrice, ricavata dai dati del primo file, con lo scopo di trovare per ognuna di esse tutte le righe della seconda matrice la cui profondità è “vicina” a quella analizzata. Così facendo l’elenco delle profondità del primo file fa da “guida” per tutti i file. Durante questa fase ci si può inoltre trovare nella situazione in cui questa debba avvenire tra dati di un pozzo che però presentano profondità iniziali e finali che non coincidono: di4g effettua quindi una ‘pulizia’ delle profondità iniziali e finali della matrice da allineare e si ottiene in questo modo un allineamento molto più uniforme e coerente delle profondità iniziali e finali di ogni pozzo. 2.2
La fase di clustering
Nella seconda fase, di4g esegue il processo di clustering. Con il termine clustering si
intende un insieme di tecniche volte a individuare e raggruppare gli elementi
omogenei in un insieme di dati; in particolare, il clustering ha l’obiettivo di trovare in un
dataset dei gruppi che siano il più differenti possibili gli uni dagli altri, ma allo stesso
tempo con membri di uno stesso gruppo il più possibile simili tra loro.
Come tecnica di clustering, di4g utilizza il clustering gerarchico agglomerativo non
supervisionato (
La normalizzazione è importante per rendere il risultato indipendente dalle unità di misura delle variabili, facendo in modo che tutte le variabili contribuiscano in ugual misura; in questo modo si esegue il calcolo delle distanze su variabili che sono confrontabili. Oltre a una classica normalizzazione sull’intero dataset è stata realizzata anche la possibilità di eseguire una normalizzazione su ogni singolo pozzo. La normalizzazione sull’intero dataset è consigliata quando si è in presenza di dati uniformi (ad esempio se sono stati usati gli stessi strumenti e parametri per la rilevazione); la normalizzazione su ogni singolo pozzo è invece la modalità appropriata nel caso in cui sono stati definiti parametri e tarature differenti degli strumenti utilizzati per l’estrazione dei dati riferiti ai diversi pozzi: così facendo i dati vengono allineati e portati nello stesso range correggendo le diverse tarature utilizzate.
In di4g il processo di clustering è realizzato tramite la costruzione di una matrice delle distanze in cui si cerca il minimo. Tale matrice può occupare uno spazio considerevole in memoria (ordine O(N2) dove N è il numero di foglie presenti nel dataset) se siamo in presenza di dataset di grandi dimensioni e la ricerca del minimo all’interno di tale matrice può diventare un processo oneroso. Per questo motivo di4g ottimizza la ricerca del minimo all’interno di questa matrice tramite alcuni vettori ausiliari. Una quota importante del lavoro si è concentrata nell’analizzare e ridurre i tempi del processo di clustering; in particolare l’ottimizzazione del popolamento di questi vettori ha ridotto drasticamente i tempi di esecuzione.
Il risultato del clustering gerarchico è un diagramma ad albero chiamato dendrogramma sul quale è possibile generare un taglio per ottenere una configurazione di cluster. La finestra di uscita prodotta da di4g consente di eseguire due diversi tipi di taglio: il classico taglio orizzontale e il taglio obliquo (rappresentato in Figura 2). Il taglio obliquo permette di tagliare l’albero ad altezze diverse, semplicemente selezionando i nodi che si desiderano “aprire”. In questo modo è possibile espandere in profondità una sola parte dell’albero, e il geologo ha quindi la flessibilità di scegliere la configurazione di cluster per lui più rappresentativa. La terza fase di di4g consente la visualizzazione di vari tipi di grafici interattivi aggiornabili simultaneamente nel momento in cui si cambia la configurazione di cluster agendo sul dendrogramma oppure se è avviata una nuova procedura di clustering. Uno dei grafici visualizzabili è il diagramma pozzo: rappresentazione del pozzo in verticale con ogni profondità colorata secondo il cluster di appartenenza (Figura 3). Di questo diagramma si possono visualizzare diverse configurazioni: su un solo pozzo oppure su pozzi multipli, in questo caso possono essere rappresentati allineati a partire dall’alto oppure scalati secondo la loro profondità reale. Per il geologo il diagramma pozzo è fondamentale in quanto gli consente di individuare le caratteristiche del pozzo alle diverse profondità, in particolare in caso di diagramma su pozzi multipli, il geologo può effettuare un confronto simultaneo e individuare più rapidamente le varie caratteristiche dei diversi pozzi. Con il grafico di correlazione (Figura 4), di4g rappresenta in uno spazio cartesiano il grado di dipendenza tra due variabili (si possono considerare tutti i cluster contemporaneamente o uno specifico cluster). Un’ultima funzionalità permette di visualizzare una tabella di ‘Cluster Evaluation’ riassuntiva delle statistiche dei cluster; per ognuno di essi il geologo può analizzare ogni variabile presa in esame. Per semplificare ulteriormente l’interpretazione effettuata dal geologo dalla tabella di ‘Cluster Evaluation’ per ogni singola variabile è possibile visualizzare il box-plot che consente di rappresentare la distribuzione di una determinata variabile all’interno dei diversi cluster e confrontarle tra loro; è inoltre possibile visualizzare anche la distribuzione di una determinata variabile in un cluster all’interno dell’istogramma.
Come detto in precedenza tutti i grafici descritti si rigenerano in seguito al cambiamento del taglio sul dendrogramma, in questo modo, l’analisi svolta dal geologo può essere maggiormente interattiva e molto più veloce. 3
Conclusioni di4g è uno strumento che permette l’importazione di file che contengono grandi quantità di dati e la loro integrazione con dati visuali, per eseguire poi il processo di clustering. Questo strumento presenta diversi vantaggi: in primo luogo può essere utilizzato anche da utenti non esperti grazie ad un’interfaccia semplice e intuitiva. Inoltre, avendo la possibilità di importare file contenenti dati riferiti a più pozzi, permette di analizzare le caratteristiche dei diversi pozzi contemporaneamente, effettuando un confronto simultaneo e riducendo così i tempi di analisi. Un ulteriore vantaggio è dato dalla possibilità di visualizzare grafici che consentono di semplificare e velocizzare il lavoro del geologo analista. Ogni tipo di grafico realizzato porta dei vantaggi in fase di analisi, infatti, è possibile verificare i legami tra due variabili analizzate, eseguire un confronto istantaneo sulle distribuzioni dei diversi pozzi, verificare la distribuzione dei cluster lungo la profondità di ogni singolo pozzo. Il loro aggiornamento simultaneo consente al geologo di avere sott’occhio costantemente le modifiche derivanti da una nuova configurazione di cluster. Questo consente un’interpretazione molto più veloce di ogni singola zona del pozzo e di verificare così quale tra le diverse configurazioni rappresenta al meglio i dati importati. Infine di4g è nato in ambito geologico, ma a nostro parere può essere utilizzato in diversi ambiti, ovvero in tutti quelli in cui si ha la necessità di eseguire un’analisi su dei dati in ingresso.