| 基于主成分分析和学习矢量化的神经网络岩性识别方法 |
| |
| 引用本文： | 胡红,曾恒英,梁海波,罗静,王剑波.基于主成分分析和学习矢量化的神经网络岩性识别方法[J].测井技术,2015(5):586-590. |
| |
| 作者姓名： | 胡红 曾恒英 梁海波 罗静 王剑波 |
| |
| 作者单位： | 1. 西南石油大学地球科学与技术学院,四川成都,610500;2. 西南石油大学机电工程学院,四川成都,610500 |
| |
| 摘 要： | 利用测井资料识别岩性的关键是建立非线性数学模型。针对测井曲线数量多和BP算法的局限,提出一种基于主成分分析(Principal Component Analysis,PCA)和学习矢量量化神经网络(Learning Vector Quantization,LVQ)的岩性识别方法。建立可靠的岩性与测井参数响应的对应关系,优选样本点和测井曲线组成样本集。通过主成分分析实现对测井数据的压缩、降维,依据分析结果建立基于LVQ神经网络的岩性识别模型。潘庄地区某井实际应用表明,经过PCA降维后,LVQ神经网络的收敛速度和识别率都得到了明显提高,训练时间缩短了10s左右,识别率提高20%以上;考虑"次获胜"神经元的LVQ2学习算法具有比LVQ1算法更强的模式识别能力,识别率提高4%;PCA-LVQ模型网络结构简单,容易实现,识别率可达90%,具有较好的应用前景。
|
| 关 键 词： | 测井解释 数据处理 主成分分析 学习矢量量化 岩性识别 特征提取 样本优选 |
Lithology Identification Based on Principal Component Analysis and Learning Vector Quantization Neural Network |
| |
| Abstract: | |
| |
| Keywords: | log interpretation data processing principal component analysis (PCA) learning vector quantization (LVQ) lithology identification feature extraction sample optimization |
| 本文献已被 CNKI 万方数据 等数据库收录！ |
|
