基于主成分分析和学习矢量化的神经网络岩性识别方法

• 作者: 曾恒英 梁海波 王剑波 罗静 胡红
• 来源期刊: 测井技术
• 关键词: 测井解释 数据处理 主成分分析 学习矢量量化 岩性识别 特征提取 样本优选
• 年，卷（期）: 2015,（5）
• 所属期刊栏目: 处理解释
• 页码范围: 586-590
• 页数: 5页
• 分类号: P631.84
• 语种: 中文
• DOI: 10.16489/j.issn.1004-1338.2015.05.09

摘要

利用测井资料识别岩性的关键是建立非线性数学模型.针对测井曲线数量多和BP算法的局限,提出一种基于主成分分析(Principal Component Analysis,PCA)和学习矢量量化神经网络(Learning Vector Quantization,LVQ)的岩性识别方法.建立可靠的岩性与测井参数响应的对应关系,优选样本点和测井曲线组成样本集.通过主成分分析实现对测井数据的压缩、降维,依据分析结果建立基于LVQ神经网络的岩性识别模型.潘庄地区某井实际应用表明,经过PCA降维后,LVQ神经网络的收敛速度和识别率都得到了明显提高,训练时间缩短了10 s左右,识别率提高20％以上;考虑"次获胜"神经元的LVQ2学习算法具有比LVQ1算法更强的模式识别能力,识别率提高4％;PCA-LVQ模型网络结构简单,容易实现,识别率可达90％,具有较好的应用前景.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	梁海波	西南石油大学机电工程学院	45	114	6.0	8.0
2	罗静	西南石油大学地球科学与技术学院	4	22	2.0	4.0
3	胡红	西南石油大学地球科学与技术学院	8	28	3.0	5.0
4	曾恒英	西南石油大学地球科学与技术学院	1	7	1.0	1.0
5	王剑波	西南石油大学地球科学与技术学院	3	9	1.0	3.0