测井技术
測井技術
측정기술
WELL LOGGING TECHNOLOGY
2001年
4期
308-310
,共3页
神经网络%测井解释%学习样本%岩性识别%孔隙度
神經網絡%測井解釋%學習樣本%巖性識彆%孔隙度
신경망락%측정해석%학습양본%암성식별%공극도
应用人工神经网络对铀矿测井解释中岩性识别和孔隙度预测等问题进行了研究.采用了一种改进的BP算法,其方法具有收敛速度快、避免网络陷入局部最小和出现振荡现象、优化网络结构等优点.提出了一种基于统计的学习样本生成方法,使样本生成问题规范化.使用该方法生成的样本真实可靠,具有代表性,可大大提高样本质量.实际应用网络进行岩性识别和孔隙度预测,取得了令人满意的结果.
應用人工神經網絡對鈾礦測井解釋中巖性識彆和孔隙度預測等問題進行瞭研究.採用瞭一種改進的BP算法,其方法具有收斂速度快、避免網絡陷入跼部最小和齣現振盪現象、優化網絡結構等優點.提齣瞭一種基于統計的學習樣本生成方法,使樣本生成問題規範化.使用該方法生成的樣本真實可靠,具有代錶性,可大大提高樣本質量.實際應用網絡進行巖性識彆和孔隙度預測,取得瞭令人滿意的結果.
응용인공신경망락대유광측정해석중암성식별화공극도예측등문제진행료연구.채용료일충개진적BP산법,기방법구유수렴속도쾌、피면망락함입국부최소화출현진탕현상、우화망락결구등우점.제출료일충기우통계적학습양본생성방법,사양본생성문제규범화.사용해방법생성적양본진실가고,구유대표성,가대대제고양본질량.실제응용망락진행암성식별화공극도예측,취득료령인만의적결과.
