自组织特征映射神经网络在岩性识别中的应用

doi:10.3863/j.issn.1000-2634.1999.03.023

西南石油大学学报(自然科学版) ›› 1999, Vol. 21 ›› Issue (3): 78-80.DOI: 10.3863/j.issn.1000-2634.1999.03.023

自组织特征映射神经网络在岩性识别中的应用

林万昌陈汶滨田继东

(1.西南石油学院计算机科学系,四川南充 637001)

收稿日期:1999-03-19 修回日期:1900-01-01 出版日期:1999-08-20 发布日期:1999-08-20
通讯作者: 林万昌

APPLICATION OF SELF-ORGANIZING FEATURE MAP NEURAL NETWORK IN LITHOLOGICAL IDENTIFICATION

LIN Wanchang CHENG Wenbin TIAN Jidong

（Southwest Petroleum Inst）

Received:1999-03-19 Revised:1900-01-01 Online:1999-08-20 Published:1999-08-20
Contact: LIN Wan-chang

摘要/Abstract

摘要： 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。

关键词: 神经网络, 岩性识别, 模式识别, 聚类分析

Abstract: neural network; lithological identification; pattern recognition; cluster analysis

Key words: The classical li, such as Bayesian method, regressive method et al. This paper introduces the, presented by T. Kohonen, to recognize the lithology based on the log data.T, self-organization and high fault tolerance capacit, the method has small amount of calculation and fas, and can automatically decide the

中图分类号:

P585

林万昌陈汶滨田继东. 自组织特征映射神经网络在岩性识别中的应用 [J]. 西南石油大学学报(自然科学版), 1999, 21(3): 78-80.

LIN Wanchang CHENG Wenbin TIAN Jidong. APPLICATION OF SELF-ORGANIZING FEATURE MAP NEURAL NETWORK IN LITHOLOGICAL IDENTIFICATION[J]. 西南石油大学学报(自然科学版), 1999, 21(3): 78-80.

0
/ / 推荐

导出引用管理器 EndNote|Ris|BibTeX

链接本文: http://journal15.magtechjournal.com/Jwk_xnzk/CN/10.3863/j.issn.1000-2634.1999.03.023

http://journal15.magtechjournal.com/Jwk_xnzk/CN/Y1999/V21/I3/78

[1]	黄旭日, 代月, 徐云贵, 唐静. 基于深度学习算法不同数据集的地震反演实验[J]. 西南石油大学学报(自然科学版), 2020, 42(6): 16-25.
[2]	刘兆年, 赵颖, 孙挺. 渤海区域基于数据驱动的钻井提速[J]. 西南石油大学学报(自然科学版), 2020, 42(6): 35-41.
[3]	檀朝东, 贺甲元, 周彤, 刘健康, 宋文容. 基于PCA-BNN的页岩气压裂施工参数优化[J]. 西南石油大学学报(自然科学版), 2020, 42(6): 56-62.
[4]	刘浩瀚, 颜永勤, 闵令元, 乐平, 殷艳玲. 基于灰色网络组合优化的年增油量预测[J]. 西南石油大学学报(自然科学版), 2020, 42(6): 89-96.
[5]	隋先富, 彭龙, 韩国庆, 范白涛, 于继飞. 基于主成分分析法的电潜泵故障诊断[J]. 西南石油大学学报(自然科学版), 2020, 42(6): 107-114.
[6]	王兵, 郑亚梅, 陈茂柯, 高凌云. 基于Tri-BiLSTM-CNN的钻井安全问答系统[J]. 西南石油大学学报(自然科学版), 2020, 42(6): 157-164.
[7]	田瀚, 张建勇, 李昌, 李文正, 姚倩颖. 成像测井在灯影组微生物岩岩相识别中的应用[J]. 西南石油大学学报(自然科学版), 2020, 42(5): 75-85.
[8]	刘永辉, 罗程程, 刘通, 任桂蓉, 王中武. 水平气井井筒气液两相流型预测[J]. 西南石油大学学报(自然科学版), 2019, 41(3): 107-112.
[9]	李建, 李珂, 王兵. 粗糙集和神经网络相融合的钻井安全评价模型[J]. 西南石油大学学报(自然科学版), 2017, 39(5): 120-128.
[10]	王利华1 *，楼一珊1，马晓勇2，程福山1，陈宇3. 储层粒度神经网络预测模型研究[J]. 西南石油大学学报(自然科学版), 2016, 38(1): 53-59.
[11]	袁宗明1，王勇1 *，谢英1，王大鹏2. 原油高温结垢速率测定和预测模型研究进展[J]. 西南石油大学学报(自然科学版), 2016, 38(1): 170-180.
[12]	莫丽1 *，王军1，王俊2，王禄友1. 基于GA-BP 算法的旋转控制头轴承温度预测[J]. 西南石油大学学报(自然科学版), 2016, 38(1): 164-169.
[13]	张志东1，2 *，艾志久1，郑伟3，李奔4，钟功祥1. 泥浆泵液力端故障诊断技术研究[J]. 西南石油大学学报(自然科学版), 2015, 37(5): 167-173.
[14]	张宪国1 *，张涛2，林承焰1，于景锋3. 塔南凹陷复杂岩性低渗透储层测井岩性识别[J]. 西南石油大学学报(自然科学版), 2015, 37(1): 85-90.
[15]	王坤1，张奉2，张翊2，王东坤3. 准西车排子凸起石炭系岩性识别与储层特征[J]. 西南石油大学学报(自然科学版), 2014, 36(4): 21-28.

自组织特征映射神经网络在岩性识别中的应用

APPLICATION OF SELF-ORGANIZING FEATURE MAP NEURAL NETWORK IN LITHOLOGICAL IDENTIFICATION

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价