改进的卷积神经网络及在地层识别中的应用

• 作者: 肖红 张瑶瑶 张福禄
• 来源期刊: 计算机技术与发展
• 关键词: 卷积神经网络 地层识别 GhostNet 双向级联网络 测井曲线 扩张卷积
• 年，卷（期）: 2021,（9）
• 所属期刊栏目: 应用前沿与综合
• 页码范围: 167-172
• 页数: 6页
• 分类号: TP391
• 语种: 中文
• DOI: 10.3969/j.issn.1673-629X.2021.09.028

摘要

针对地层识别效率低、准确率不高的问题,提出一种基于改进卷积神经网络的地层识别新方法.该方法基于Ghost模块及扩张卷积,搭建双向级联GhostNet,可有效减少网络参数,从而降低计算量;同时,该模型具有多尺度特征提取能力,并采用双向损失函数对学习过程进行监督,从浅层聚焦于图像局部信息到深层提取语义信息,对所有层输出进行融合,可有效提高地层识别的准确度.首先根据地区特性对测井曲线进行组合优选,对数据进行分层、沃尔什滤波以及线性插值等预处理操作,然后将测井曲线形态映射为二值图像,构造样本数据集,应用改进后的网络即可进行地层识别.实验结果表明,与同类算法比较,提出算法的准确率约有六个百分点的提高,且参数量显著减少.从而表明该方法在复杂地层识别方面具有较大潜力.