西南石油学院学报
西南石油學院學報
서남석유학원학보
JOURNAL OF SOUTHWEST PETROLEUM ISTITUTE
1999年
3期
78-80
,共3页
神经网络%岩性识别%模式识别%聚类分析
神經網絡%巖性識彆%模式識彆%聚類分析
신경망락%암성식별%모식식별%취류분석
传统的岩性识别技术主要基于统计学理论,如贝叶斯方法、回归方法等,近年来人工神经网络方法如反向传播算法(Back-Propagation, B-P)也应用于岩性识别,取得了一定的效果.用Kohonen提出的自组织特征映射神经网络对测井数据进行岩性识别,该方法具有较强的自组织性、自适应性,有较高的容错能力.与B-P算法相比较,计算量小,收效速度快,且不需要已知的先验信息而自动确定分类类别.结果表明与统计方法、岩性录井分析结果一致.
傳統的巖性識彆技術主要基于統計學理論,如貝葉斯方法、迴歸方法等,近年來人工神經網絡方法如反嚮傳播算法(Back-Propagation, B-P)也應用于巖性識彆,取得瞭一定的效果.用Kohonen提齣的自組織特徵映射神經網絡對測井數據進行巖性識彆,該方法具有較彊的自組織性、自適應性,有較高的容錯能力.與B-P算法相比較,計算量小,收效速度快,且不需要已知的先驗信息而自動確定分類類彆.結果錶明與統計方法、巖性錄井分析結果一緻.
전통적암성식별기술주요기우통계학이론,여패협사방법、회귀방법등,근년래인공신경망락방법여반향전파산법(Back-Propagation, B-P)야응용우암성식별,취득료일정적효과.용Kohonen제출적자조직특정영사신경망락대측정수거진행암성식별,해방법구유교강적자조직성、자괄응성,유교고적용착능력.여B-P산법상비교,계산량소,수효속도쾌,차불수요이지적선험신식이자동학정분류유별.결과표명여통계방법、암성록정분석결과일치.
