改进的卷积神经网络及在地层识别中的应用

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.

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

所属期刊栏目：31

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金;黑龙江省自然科学基金;国家科技重大专项

在线出版日期：2021-09-29（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：167-172