《表1 部分学习样本:BP神经网络在富钾卤水中的应用研究》
选择对岩性识别较为敏感的GR,AC,CNL,DEN和Rt 5条测井曲线作为输入曲线,具有岩心资料的90个典型样本(泥岩、硬石膏、碳酸盐岩各30个)作为输入样本,建立5×10×10×3的BP神经网络训练模型开展研究层段岩性识别。具体的岩性分别表示为:泥岩[1,0,0]、硬石膏[0,1,0]、碳酸盐岩[0,0,1]。为了提高预测结果的精确度,我们选择的样本多为特征明显、具有普遍代表性的学习样本(表1),去除了明显异常的样本点以及薄层、岩性界面处的样本点[22]。
图表编号 | XD0016425800 严禁用于非法目的 |
---|---|
绘制时间 | 2018.06.10 |
作者 | 陈科贵、李进、黄长兵、陈愿愿、王刚、刘阳 |
绘制单位 | 西南石油大学地球科学与技术学院、西南石油大学地球科学与技术学院、中国石油化工集团中原油田、川庆钻探工程有限公司地球物理勘探公司、中国石油新疆油田分公司勘探开发研究院、西南石油大学地球科学与技术学院 |
更多格式 | 高清、无水印(增值服务) |