10.3969/j.issn.2095-4107.2008.06.026
一种基于SOPNN的分类模型及其在测井水淹层识别中的应用
针对测井曲线小层水淹层自动识别,提出一种基于自组织过程神经网络(Self-Organization PNN,SOPNN)的动态判别模型和方法.SOPNN由输入层和竞争层组成,其输入和连接权为与时间有关的函数.网络可将小层连续测井曲线作为输入,自动提取曲线所对应的形态和幅值特征,并对其进行自组织,在竞争层将分类结果表示出来.给出SOPNN竞争学习和有教师示教2种学习算法,对实际测井水淹层资料进行处理,正确识别率可达79.25%.
SOPNN、学习算法、模式识别、测井曲线、水淹层
32
TP183(自动化基础理论)
黑龙江省自然科学基金项目ZA2006-11;黑龙江省科技攻关项目GZ07A103;黑龙江省普通高等学校骨干教师创新能力计划项目105G002
2009-03-11(万方平台首次上网日期,不代表论文的发表时间)
共3页
97-99