测井技术
測井技術
측정기술
WELL LOGGING TECHNOLOGY
2007年
5期
433-437
,共5页
测井曲线%量子神经元模型%BP网络模型%学习算法%水淹层识别%支持向量机
測井麯線%量子神經元模型%BP網絡模型%學習算法%水淹層識彆%支持嚮量機
측정곡선%양자신경원모형%BP망락모형%학습산법%수엄층식별%지지향량궤
提出一种量子BP网络模型及学习算法.基于量子力学中1位相移门和2位受控非门的通用性,构造出一种量子神经元模型和3层量子BP网络模型,量子神经元模型由输入、相移、聚合、翻转、输出等5部分组成.由量子神经元构造出3层量子BP网络模型,基于梯度下降法构造了该模型学习算法.将该模型及算法用于模拟油藏测井解释中测井曲线与水淹级别之间的映射关系,从而实现油藏测井解释中水淹层自动识别.实验结果表明,该方法对解决水淹层识别问题具有良好的适应性和实用性.
提齣一種量子BP網絡模型及學習算法.基于量子力學中1位相移門和2位受控非門的通用性,構造齣一種量子神經元模型和3層量子BP網絡模型,量子神經元模型由輸入、相移、聚閤、翻轉、輸齣等5部分組成.由量子神經元構造齣3層量子BP網絡模型,基于梯度下降法構造瞭該模型學習算法.將該模型及算法用于模擬油藏測井解釋中測井麯線與水淹級彆之間的映射關繫,從而實現油藏測井解釋中水淹層自動識彆.實驗結果錶明,該方法對解決水淹層識彆問題具有良好的適應性和實用性.
제출일충양자BP망락모형급학습산법.기우양자역학중1위상이문화2위수공비문적통용성,구조출일충양자신경원모형화3층양자BP망락모형,양자신경원모형유수입、상이、취합、번전、수출등5부분조성.유양자신경원구조출3층양자BP망락모형,기우제도하강법구조료해모형학습산법.장해모형급산법용우모의유장측정해석중측정곡선여수엄급별지간적영사관계,종이실현유장측정해석중수엄층자동식별.실험결과표명,해방법대해결수엄층식별문제구유량호적괄응성화실용성.
