江汉石油职工大学学报
江漢石油職工大學學報
강한석유직공대학학보
JOURNAL OF JIANGHAN PETROLEUM UNIVERSITY OF STAFF AND WORKERS
2006年
6期
54-55
,共2页
贺新蔚%杜飙%王建伟%马火林
賀新蔚%杜飆%王建偉%馬火林
하신위%두표%왕건위%마화림
测井资料%神经网络%岩性识别%模式识别
測井資料%神經網絡%巖性識彆%模式識彆
측정자료%신경망락%암성식별%모식식별
利用自组织神经网络对测井数据进行岩性识别,具有较强的自组织性、适应性和较高的容错能力,与其他神经网络算法相比,计算量小、收效速度快.实验结果表明:自组织特征映射神经网络对测井数据进行岩性识别是可行的,而且识别率较高,是一种行之有效的岩性识别的好方法.
利用自組織神經網絡對測井數據進行巖性識彆,具有較彊的自組織性、適應性和較高的容錯能力,與其他神經網絡算法相比,計算量小、收效速度快.實驗結果錶明:自組織特徵映射神經網絡對測井數據進行巖性識彆是可行的,而且識彆率較高,是一種行之有效的巖性識彆的好方法.
이용자조직신경망락대측정수거진행암성식별,구유교강적자조직성、괄응성화교고적용착능력,여기타신경망락산법상비,계산량소、수효속도쾌.실험결과표명:자조직특정영사신경망락대측정수거진행암성식별시가행적,이차식별솔교고,시일충행지유효적암성식별적호방법.
