GRNN与LS-SVM方法在计算煤质工业组分中的应用

• 作者: 周大鹏 李晓春 王祝文
• 来源期刊: 物探与化探
• 学科: 地球科学
• 关键词: GRNN LS-SVM 煤田测井 煤质工业组分 自然伽马 双收时差 三侧向电阻率
• 年，卷（期）: 2016,（1）
• 所属期刊栏目: 方法技术研究
• 页码范围: 88-92
• 页数: 5页
• 分类号: P631
• 字数: 2686字
• 语种: 中文
• DOI: 10.11720/wtyht.2016.1.16

摘要

在煤炭开发过程中,对煤质的评价尤为重要. 依靠实验室分析来确定煤质的工业组分效率比较低,成本也比较高,因此通过建立其与测井参数之间的关系来进行各组分的计算. 选取自然伽马、双收时差、密度以及三侧向电阻率这四个测井参数为输入的特征参数,煤质的水分、灰分、挥发分以及固定碳的含量作为输出结果,利用在某煤田挑选的73层测井数据当作训练样本,构建了基于广义回归神经网络( GRNN)以及最小二乘支持向量机( LS-SVM)的计算模型,从而建立了测井参数与各工业组分之间的关系. 对19层的测试数据进行了检验,结果表明这两种方法均能应用于实际的生产之中;相比之下,广义回归神经网络能更准确地计算出各组分的含量,其平均平方误差均在1%以下.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王祝文	吉林大学地球探测科学与技术学院	92	953	17.0	26.0
2	周大鹏	吉林大学地球探测科学与技术学院	9	35	3.0	5.0
3	李晓春		9	10	2.0	3.0