计算机应用
計算機應用
계산궤응용
COMPUTER APPLICATION
2013年
2期
353-356
,共4页
岩性识别%径向基概率神经网络%遗传算法
巖性識彆%徑嚮基概率神經網絡%遺傳算法
암성식별%경향기개솔신경망락%유전산법
岩性识别是测井数据解释中最关键的一环,但传统的岩性识别方法解释效率慢,精度低,受人为因素影响大.为此,提出一种遗传优化径向基概率神经网络(RBPNN)的岩性识别方法.该方法融合概率神经网络(PNN)和径向基函数神经网络(RBFNN)的优势来构造RBPNN,采用遗传算法搜索使得RBPNN训练法误差最小的最优隐中心矢量和相匹配的核函数控制参数,优化网络结构,提高收敛速度与精度,形成全结构遗传优化的RBPNN模型.实例应用表明,基于遗传优化RBPNN的岩性识别能够达到工程实际应用的规范标准,且是可行有效的,能够为油田地质勘探领域的岩性识别提供科学的理论支持与依靠.
巖性識彆是測井數據解釋中最關鍵的一環,但傳統的巖性識彆方法解釋效率慢,精度低,受人為因素影響大.為此,提齣一種遺傳優化徑嚮基概率神經網絡(RBPNN)的巖性識彆方法.該方法融閤概率神經網絡(PNN)和徑嚮基函數神經網絡(RBFNN)的優勢來構造RBPNN,採用遺傳算法搜索使得RBPNN訓練法誤差最小的最優隱中心矢量和相匹配的覈函數控製參數,優化網絡結構,提高收斂速度與精度,形成全結構遺傳優化的RBPNN模型.實例應用錶明,基于遺傳優化RBPNN的巖性識彆能夠達到工程實際應用的規範標準,且是可行有效的,能夠為油田地質勘探領域的巖性識彆提供科學的理論支持與依靠.
암성식별시측정수거해석중최관건적일배,단전통적암성식별방법해석효솔만,정도저,수인위인소영향대.위차,제출일충유전우화경향기개솔신경망락(RBPNN)적암성식별방법.해방법융합개솔신경망락(PNN)화경향기함수신경망락(RBFNN)적우세래구조RBPNN,채용유전산법수색사득RBPNN훈련법오차최소적최우은중심시량화상필배적핵함수공제삼수,우화망락결구,제고수렴속도여정도,형성전결구유전우화적RBPNN모형.실례응용표명,기우유전우화RBPNN적암성식별능구체도공정실제응용적규범표준,차시가행유효적,능구위유전지질감탐영역적암성식별제공과학적이론지지여의고.
