《表2 两种模型样本检验正确率》
提示:宽带有限、当前游客访问压缩模式
本系列图表出处文件名:随高清版一同展现
《利用主成分分析法优化BP神经网络模型在砂砾岩岩性识别中的应用》
为了和传统BP神经网络对比,本文分别建立两种模型。模型一为传统的BP神经网络模型,将归一化后的自然伽马、自然电位、地层电阻率、声波时差、密度、补偿中子6条曲线作为输入层结构;模型二采用前文主成分分析法提取出的特征值X,Y,Z为输入层,结构见图1。设定两种网络模型的迭代次数为300次,误差3次迭代不下降,误差终值0.01。将346个样本中290个样本数据作为训练样本。利用MATLAB软件对两种模型进行多次训练,模型一最佳网络结构为6-12-6,模型二最佳网络结构为3-8-6。训练完毕后将56个检验样本数据导入模型以验证模型的有效性,传统的BP神经网络识别正确率为76%,而使用主成分分析法优化后的BP神经网络识别正确率提高到了89%。对两种模型的误差曲线对比发现(图2),优化后的BP神经网络模型只需要10步就能将值误差缩小到0.009 53,而传统BP神经网络模型30步时的误差仍然高达0.177 06,表明优化后的模型识别岩性不仅提高了准确率(表2),且简化了模型网络结构,减小模型的计算量。
图表编号 | XD00227154500 严禁用于非法目的 |
---|---|
绘制时间 | 2020.09.01 |
作者 | 潘拓、马鑫、谢安、高子阳 |
绘制单位 | 中国石油新疆油田分公司勘探开发研究院、新疆油田分公司风城油田作业区、中石油新疆油田分公司、中国石油新疆油田分公司勘探开发研究院 |
更多格式 | 高清、无水印(增值服务) |