自组织神经网络在火成岩岩性识别中的应用

• 作者: 张平 张莹 潘保芝 王鹏 董瑞新
• 来源期刊: 石油物探
• 学科: 地球科学
• 关键词: 火成岩储层 自组织神经网络 结构参数 测井资料 岩性识别
• 年，卷（期）: 2009,（1）
• 所属期刊栏目: "油储地球物理"专题
• 页码范围: 53-56
• 页数: 4页
• 分类号: P631.4
• 字数: 3276字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-1441.2009.01.009

摘要

火成岩储层岩性复杂,识别难度大,当已知地层信息较少时,传统的交会图和有监督神经网络(如BP神经网络)等方法在识别岩性时会受到一定限制.为此,基于自组织神经网络(SOM网络)的结构和原理,在松辽盆地南部利用实际测井资料建立了火成岩样本数据集;利用SOM网络对样本数据集进行了训练,得到了数据集的聚类结果;讨论了SOM网络的标准化方式、结构参数和测井曲线对聚类结果的影响,认为利用正态标准化方法、选择合适的结构参数和测井曲线,以样本数据集的聚类结果作为分类基础,对火成岩井段测井资料进行了岩性识别,获得了较好的效果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	潘保芝	吉林大学地球探测科学与技术学院	165	1210	18.0	27.0
2	王鹏		258	1237	18.0	26.0
3	张莹	吉林大学地球探测科学与技术学院	98	650	13.0	21.0
4	张平		75	376	11.0	17.0
5	董瑞新		1	23	1.0	1.0