神经网络识别方法
钻孔中的测井资料从多个侧面反映了地层的地球物理特征,与钻井取心相比,测井资料具有大量、连续及原位测量的特点。因此,利用测井资料确定火山岩岩性具有十分重要的意义。根据大庆油田深层火山岩地层的实际情况,按照“测井特征相近,地质意义相同”的原则,将该区火山岩划归并为8种岩石类型(玄武岩、安山岩、英安岩、流纹岩、玄武粗安岩、粗安岩、粗面岩、凝灰岩),选择与岩性相关的10条测井曲线来识别岩性:自然伽玛GR,自然电位SP,声波时差AC,放射性铀URAN,放射性钍THOR,放射性钾POTA,中子孔隙度NPHI,密度RHOB,深侧向电阻率LLD,光电吸收界面指数PEF。2.1
BP神经网络
BP网络的学习过程由信号的正向传播与误差
的逆向传播两个过程组成。正向传播时,模式作用
于输入层,经隐层处理后,传向输出层。若输出层未
得到期望的输出,则转向逆向传播过程,将输出误差以某种形式通过隐层向输入层逐层返回,并“分摊”
给各层的所有神经元,从而获得各层神经元的误差信号,作为各神经元权值的依据。正向传播与误差
逆向传播的各层权矩阵的修改过程,是周而复始进行的。权值不断修改的过程,也就是网络的学习(或称训练)过程。此过程一直进行到网络输出的误差逐渐减少到可接受的程度或达到设定的学习次数为止[2~4]。
BP网络结构的确定,采用3层网络结构,网络
的输入为10条测井曲线,网络的输出为8种火山岩
类型。因此,网络的输入层神经元个数确定为10,网络的输出层神经元个数的确定可以由多种方法,为了减少网络神经元的数目,采用3个神经元组成
输出层,每个输出神经元输出值为0或1,由3个神经元可以组合出8种输出,分别表示8种火山岩类
型。BP网络中隐层神经元的数目是比较难以确定的,本文采用试探方法来确定,隐层神经元的数目由
少到多,当隐层神经元数目增加而识别效果不再显著增加为止,最终确定为8个神经元为隐层神经元