基于构造性神经网络的石油测井解释方法

为了克服传统的BP神经网络算法收敛速度慢、隐层数以及隐层节点数难以确定等缺点,研究了一种构造性神经网络学习算法--级联算法CCA及其在石油工程中的应用.采用该算法进行了储层参数预测的,研究,通过与BP神经网络的研究结果进行比较,进一步体现出构造性神经网络的优越性.

计算飙技蘼与应用Ｃ０ｍｐｕｔｅｒＴｅＣｈｎ０ＩＯｇｙａｎｄｌｔｓＡｐｐ¨ｃａｔｉＯｎｓ水基于构造性神经网络的石油测并解释方法纪福全，程国建，刘淑英（西安石油大学计算机学院，陕西西安７ｌ００６５）摘要：为了克服传统的ＢＰ神经网络算法收敛速度慢、隐层数以及隐层节点数难以确定等缺点，研究了一种构造性神经网络学习算法――级联算法ＣＣＡ及其在石油工程中的应用。采用该算法进行了储层参数预测的，研究，通过与ＢＰ神经网络的研究结果进行比较，进一步体现出构造性神经网络的优越性。关键词：构造性神经网络ＢＰ算法级联算法石油测井储层参数石油测井解释的重要目的就是利用测井获得的信（ＲＭＬＬ）、自然伽玛能谱（ＮＧＳ）、感应（ＩＬ）等测井信息；