|
|
2.
基于遗传优化径向基概率神经网络的岩性识别应用
靳玉萍 李保霖
计算机应用
2013, 33 (02):
353-356.
DOI: 10.3724/SP.J.1087.2013.00353
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。
相关文章 |
多维度评价
|
|
