基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
在油水层识别中,单纯使用神经计算存在因输入信息空间维数较大而使网络结构复杂、训练时间长,以及因冗余属性使网络拟合精度不高等缺点,为此基于属性约简和最优化原理提出一种简化的神经计算方法,主要包括基于粗糙集的样本属性约简算法,基于LM方法的稳定学习算法,以及基于黄金分割的隐含层节点数确定的优化算法等.仿真试验和实际应用表明,这种简化的神经计算方法不仅满足识别系统的精度要求,而且起到节省成本、提高处理速度等功效,在油水层识别中效果显著.
推荐文章
基于遗传算法的神经网络油水层识别
属性约简
神经网络
遗传算法
油水层识别
基于神经计算机并行运算的连续语音识别
神经计算机
并行运算
语音识别
一种考虑邻近泥岩特征的油水层识别方法
测井解释
地层应力
泥岩
油水层识别
南贝尔凹陷
基于测井多参数两向量判别交会图法识别油水层
测井解释
多参数
油水层识别
判别分析
两向量判别
HT油田
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 用于油水层识别的一种简化的神经计算方法
来源期刊 大庆石油地质与开发 学科 工学
关键词 神经计算 油水层识别 属性约简 LM方法 黄金分割法
年,卷(期) 2006,(3) 所属期刊栏目 油藏工程
研究方向 页码范围 56-59
页数 4页 分类号 TP18
字数 4419字 语种 中文
DOI 10.3969/j.issn.1000-3754.2006.03.021
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 沈钧毅 西安交通大学电子与信息工程学院 211 4319 32.0 55.0
2 夏克文 西安交通大学电子与信息工程学院 15 160 9.0 12.0
3 李昌彪 西安交通大学电子与信息工程学院 14 144 8.0 11.0
4 刘宏杰 西安交通大学电子与信息工程学院 3 54 3.0 3.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (9)
共引文献  (191)
参考文献  (5)
节点文献
引证文献  (9)
同被引文献  (34)
二级引证文献  (25)
1982(1)
  • 参考文献(1)
  • 二级参考文献(0)
1989(1)
  • 参考文献(0)
  • 二级参考文献(1)
1991(3)
  • 参考文献(0)
  • 二级参考文献(3)
1993(1)
  • 参考文献(0)
  • 二级参考文献(1)
1994(1)
  • 参考文献(0)
  • 二级参考文献(1)
1995(1)
  • 参考文献(0)
  • 二级参考文献(1)
1997(1)
  • 参考文献(0)
  • 二级参考文献(1)
2002(3)
  • 参考文献(2)
  • 二级参考文献(1)
2003(1)
  • 参考文献(1)
  • 二级参考文献(0)
2005(1)
  • 参考文献(1)
  • 二级参考文献(0)
2006(1)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(1)
  • 二级引证文献(0)
2006(1)
  • 引证文献(1)
  • 二级引证文献(0)
2007(2)
  • 引证文献(1)
  • 二级引证文献(1)
2008(1)
  • 引证文献(0)
  • 二级引证文献(1)
2009(1)
  • 引证文献(0)
  • 二级引证文献(1)
2010(3)
  • 引证文献(1)
  • 二级引证文献(2)
2012(3)
  • 引证文献(1)
  • 二级引证文献(2)
2013(3)
  • 引证文献(0)
  • 二级引证文献(3)
2014(5)
  • 引证文献(3)
  • 二级引证文献(2)
2015(3)
  • 引证文献(0)
  • 二级引证文献(3)
2016(4)
  • 引证文献(0)
  • 二级引证文献(4)
2017(3)
  • 引证文献(0)
  • 二级引证文献(3)
2018(3)
  • 引证文献(1)
  • 二级引证文献(2)
2019(2)
  • 引证文献(1)
  • 二级引证文献(1)
研究主题发展历程
节点文献
神经计算
油水层识别
属性约简
LM方法
黄金分割法
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
大庆石油地质与开发
双月刊
1000-3754
23-1286/TE
大16开
黑龙江省大庆让胡路区勘探开发研究院
14-105
1982
chi
出版文献量(篇)
4317
总下载数(次)
9
总被引数(次)
45256
相关基金
国家自然科学基金
英文译名:the National Natural Science Foundation of China
官方网址:http://www.nsfc.gov.cn/
项目类型:青年科学基金项目(面上项目)
学科类型:数理科学
论文1v1指导