北京石油化工学院学报
北京石油化工學院學報
북경석유화공학원학보
JOURNAL OF BEIJING INSTITUTE OF PETRO-CHEMICAL TECHNOLOGY
2008年
3期
43-46
,共4页
张国英%王娜娜%张润生%马兵胜
張國英%王娜娜%張潤生%馬兵勝
장국영%왕나나%장윤생%마병성
主成分分析%BP神经网络%岩性识别
主成分分析%BP神經網絡%巖性識彆
주성분분석%BP신경망락%암성식별
提出一种将主成分分析和BP神经网络相结合的方法对测井资料进行岩性识别.首先将原始测井数据进行主成分分析,分析结果作为PCA-BP神经网络的学习样本进行训练,建立测井解释的PCA-BP神经网络岩性识别模型,并用该模型对测试样本进行识别.结果表明该方法同传统的BP神经网络相比,不仅简化了网络结构(网络的输入神经元个数由5个减少为2个),网络收敛速度也加快了21%.而且识别的准确率提高了25%.
提齣一種將主成分分析和BP神經網絡相結閤的方法對測井資料進行巖性識彆.首先將原始測井數據進行主成分分析,分析結果作為PCA-BP神經網絡的學習樣本進行訓練,建立測井解釋的PCA-BP神經網絡巖性識彆模型,併用該模型對測試樣本進行識彆.結果錶明該方法同傳統的BP神經網絡相比,不僅簡化瞭網絡結構(網絡的輸入神經元箇數由5箇減少為2箇),網絡收斂速度也加快瞭21%.而且識彆的準確率提高瞭25%.
제출일충장주성분분석화BP신경망락상결합적방법대측정자료진행암성식별.수선장원시측정수거진행주성분분석,분석결과작위PCA-BP신경망락적학습양본진행훈련,건립측정해석적PCA-BP신경망락암성식별모형,병용해모형대측시양본진행식별.결과표명해방법동전통적BP신경망락상비,불부간화료망락결구(망락적수입신경원개수유5개감소위2개),망락수렴속도야가쾌료21%.이차식별적준학솔제고료25%.