基于改进的粒子群-小波神经网络的固井质量智能评价

• 作者: 卢涛 周龙甫 师奕兵 张伟
• 来源期刊: 信息与控制
• 关键词: 固井质量评价 粒子群算法 小波神经网络 全局收敛 分类识别
• 年，卷（期）: 2010,（3）
• 所属期刊栏目: 论文与报告
• 页码范围: 276-283
• 分类号: TE256|TP183
• 语种: 中文
• DOI: 10.3969/j.issn.1002-0411.2010.03.004

摘要

为了克服传统的相对幅度法在同井质量评价中识别率低下的缺点,提出了一种基于改进粒子群一小波神经网络的固井质量智能评价方法.首先在应用李亚普诺夫理论分析得到单个粒子收敛条件的基础上,提出一种粒子群改进算法,接着利用该算法来优化小波神经网络权值.应用Iris标准分类数据集对本文算法进行测试,结果表明该改进算法与BP-WNN、PSO-WNN等经典算法相比,网络不仅易于全局收敛,而且迭代次数、函数逼近误差、分类精度等性能特得到提高.最后用训练好的改进粒子群-小波神经网络对某实验井声波固井质量测井实测数据进行分类识别.结果分析表明,该方法极大提高了水泥胶结情况的识别能力,是一种高效、实用的固井质量评价方法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	师奕兵	电子科技大学自动化工程学院	153	1324	19.0	27.0
2	周龙甫	电子科技大学自动化工程学院	11	121	6.0	11.0
3	张伟	电子科技大学自动化工程学院	126	932	15.0	24.0
4	卢涛	电子科技大学自动化工程学院	10	125	7.0	10.0