一种基于多级神经网络分类器的沉积相识别方法.pdf

维普资讯 第30卷第 3期 应 用 科 技 Vo1．30．№ ．3 2003年 3月 Applied Science and Technology Mar．，2003 文章编号：1009—671X【2003)03—0039—03 一 种基于多级神经 网络分类器的沉积相识别方法 刘咏梅 ，钱 真，宋克欧 (哈尔滨工程大学 计算机科学与技术学院，黑龙江 哈尔滨 150001) 摘 要：由于油层沉积特性本身的多样性和复杂性，造成了沉积相各类别之间测井曲线形态差异较小，这 无疑增加了识别难度。针对这一问题，给出了一种新的沉积相识别方法。该方法通过将神经网络和多级分类 器相结合，有效地提高了识别精度。最后用实例验证了该方法的正确性。① 关 键 词：多级分类器 ；神经网络；沉积相识别；差错累积 中图分类号：TP391．4 文献标识码：A A M ethodofSedimentaryFaciesRecognitionBased onM ultilayerNN Classifier LIUYongm·ei，QIANZhen，SONGKe—on (CollegeofComputerScienceandTechnology，HarbinEngineeringUniversity，Harbin150001，China) Abstract：Owingto thevariety and complexity ofthe sedimentary characteristicsofthe layeritself，subtle differencesofthe loggingcurvesshould undoubtedly increase the hardnessofrecognition．Considering this problem ，thepaperpresentedanew recognition methodofsedimentary facies．Themethod effectivelyraised therecognitionratebycombiningtheerroraccumulationoftheneuralnetworkandmuhilayerclassifier．The methodwastestedbyusingthereal examplesatlast． Keywords：neuralnetwork；muhilayerclassifier；sedimentary faciesrecognition；erroraccumulation n 它l 士 的准确率 。 u ．了J 百 1 方法原理 油层沉积相识别的准确程度直接影响开采方 案的制定，它对于油 田的增产增效 、避免不必要的 1．1 BP网络 ] 经济损失具有重要的意义 。随着油 田加密工作的 BP网络是神经网络 中较为成熟的一种算法。 开展，对沉积相识别精度上的要求也越来越高，分 BP网络的学习过程主要 由输入信息的正向传播 类趋于细化，类别数逐渐增加。但地下油层的沉 和误差的反向传播组成。在正向传播过程中，输 积过程十分复杂，沉积相的某些类别之间电测信 号的差异很小，不易区分。 入信息从输入层到隐含层再到输出层经过逐层求 近年来，神经网络方法在油层参数预测和沉 解 ，得到一个实际输出，如果实际输 出结果与期望 积相识别中得到了广泛的应用。但当沉积相类别 输出