基于SSA-BP神经网络的岩性识别研究

• 作者: 杨远宏
• 来源期刊: 长春工程学院学报（自然科学版）
• 关键词: 樽海鞘算法 BP神经网络 岩性识别 极限学习机 支持向量机 测井
• 年，卷（期）: 2021,（1）
• 所属期刊栏目: 信息技术及应用
• 页码范围: 87-91
• 页数: 5页
• 分类号: TP391
• 语种: 中文
• DOI: 10.3969/j.issn.1009-8984.2021.01.020

摘要

为提高岩性识别的精度,引入SSA算法解决BP神经网络的性能受连接权值cj、ωij和连接阈值ε、θj的影响较大的问题,对网络连接权值以及阈值进行选择性优化,提出一种基于SSA-BP的岩性识别方法.将声波、补偿中子、微电极2 m梯度、井径、4 m梯度、2.5 m梯度、感应电导、浅侧向和微电极差等9项指标输入SSA-BP算法,评价岩性识别效果,使用岩性类别作为SSA-BP算法的输出,得到SSA-BP的岩性识别模型.与ELM、SVM和BPNN对比发现,SSA-BP可以有效提高岩性识别的精度,识别准确率达到96.41％,为岩性识别研究和应用提供了新的方法和途径.