本文介绍了一种基于BP神经网络的岩性自动识别系统及其实现方法。实践,其识别率高,效果令人满意。同时,本文对学习的样本数量进行了研究,提出了基于误差控制的学习样本确定方法。
维普资讯
岩住向西安石油勘探仪器西安电子科技大学郑有才摘要本文介绍了一种基于 B P神经网络的岩性自动识别系统及其实现方法实践表明，其
识别率高，果令人满意。同时，效本文对学习的样本数量进行了研究，出了基于误差控制的学 *提 - 3样本确定方法。 关键词 B P神经网络误差控制模式识别岩性
1引言 .确定岩性是测井解释的首要问题[只有岩 。儿性清楚了，能正确地选择解释模形和有关解释参才
精度的连续函数，因此选用三层神经网络结构，即输入层、间层和输出层 (图 1,层结点均取 4中如 )每。输入层的输入是经过处理的 GrCn De、、 n和 Ac值。输出为砂岩、岩、岩和白云岩的输出模式。网络泥灰分学习和测试两个阶段。砂岩泥岩灰岩白云岩
数。过去人们判别岩性主要是凭经验，用定性的方法来处理，理论基础是统计学原理。它是人们按 其测井读数的相对大小和明显的形态特征，长期生从产实践中积累起来的一种划分岩性的方法。由于实际地层的复杂性，用线性测井响应方程和统计经验公式很难表征地层的真实特性。 人工神经网络在石油测井解释中广泛应用[, 不同于传统的测井解释方法。它具有较强的抗干扰能力和非线形映射能力，于解决非均质地层的非对线形映射问题具有良好的实际应用效果。本文采用 B P神经网络实现了一个岩性自动识别系统，系统该对测井资料进行识别分类，以判别地层的岩性。
输出层
中间层
输入层
2 BP网络结构及训练方法 .Ac
文章采用的 B P神经网络 .从理论上 Heh _ c卜 Neo l n已证明一个三层 B s P神经网络可以实现任意
图 1三层网络结构图
学习采用 B P算法。程如下：过() 1网络初始化给网络输入层、间层和输出层各单元权向量 中 ui vi w i初值，常取卜 10 1O之间的随机 j j j赋、、通 .￣ .]
第一作者简介：张柏元，程师，0 1年在西安电子科技大工 20
学获计算机软件硕士学位，发表论文多篇。主要研究方向：软件工程。
值。并
为每层各单元阀值 0赋初值，可根据实验而 0
石油工业计算机应用 320/02