基于深度卷积自编码器的岩性分类与识别

摘要：

在地质勘探与地震信号处理中,岩性分类是一个最基本的问题.然而,由于实际的岩性分类涉及到各种复杂的因素与环节,使得传统的统计和机器学习方法难于得到满意的分类准确率,无法在实际应用中进行有效的岩性识别.为了有效地解决这一问题,本文依据测井曲线数据提出了一种基于深度卷积自编码器的神经网络模型及其相应的参数学习算法,来实现有效的岩性分类与识别,并采用游程平滑算法对分类结果中孤立点进行剔除,进一步改善岩性分类的效果.实验结果表明,即使在少量的测井曲线标注样本条件下,本文所提出的深度学习模型也能够显著地提高了岩性分类的准确率,能够达到实际应用的要求.

关键词：岩性分类、深度学习、卷积自编码器、游程平滑算法

所属期刊栏目：39

分类号：TD76(矿山安全与劳动保护)

资助基金：国家重点研发计划2018AAA0100205

在线出版日期：2023-03-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：11-19