煤田地质与勘探
煤田地質與勘探
매전지질여감탐
COAL GEOLOGY & EXPLORATION
2011年
4期
8-12
,共5页
测井数据%BP神经网络%遗传算法%岩性识别
測井數據%BP神經網絡%遺傳算法%巖性識彆
측정수거%BP신경망락%유전산법%암성식별
为提高测井岩性识别的自动化程度和地质解释精度,在分析遗传算法(Genetic Algorithm,简称GA)与误差反向传播算法(Back- Propagation,简称BP)各自特性的基础上,针对BP算法在反演中测井数据识别样本大以及BP算法本身存在的缺陷,提出了利用GA算法来同时优化BP神经网络的结构和连接权值的解决方案,建立了基于GA优化BP神经网络的测井数据岩性识别模型.该模型通过彬长矿区实际数据的检验,获得了较高的识别速度和准确率.
為提高測井巖性識彆的自動化程度和地質解釋精度,在分析遺傳算法(Genetic Algorithm,簡稱GA)與誤差反嚮傳播算法(Back- Propagation,簡稱BP)各自特性的基礎上,針對BP算法在反縯中測井數據識彆樣本大以及BP算法本身存在的缺陷,提齣瞭利用GA算法來同時優化BP神經網絡的結構和連接權值的解決方案,建立瞭基于GA優化BP神經網絡的測井數據巖性識彆模型.該模型通過彬長礦區實際數據的檢驗,穫得瞭較高的識彆速度和準確率.
위제고측정암성식별적자동화정도화지질해석정도,재분석유전산법(Genetic Algorithm,간칭GA)여오차반향전파산법(Back- Propagation,간칭BP)각자특성적기출상,침대BP산법재반연중측정수거식별양본대이급BP산법본신존재적결함,제출료이용GA산법래동시우화BP신경망락적결구화련접권치적해결방안,건립료기우GA우화BP신경망락적측정수거암성식별모형.해모형통과빈장광구실제수거적검험,획득료교고적식별속도화준학솔.
