测井识别岩性的新方法:自组织神经网络法  

A New Method of Logging Lithologic Identification-Self-organized Neural Network Method

作　　者：贺新蔚[1] 杜飙[2] 王建伟[3] 马火林[1] 

机构地区：[1]中国地质大学(北京),北京100083 [2]中国石化集团江汉石油管理局测录井工程公司,湖北潜江433123 [3]中国石化塔里木油田分公司勘探开发研究院,新疆库尔勒841000

出　　处：《江汉石油职工大学学报》2006年第6期54-55,共2页Journal of Jianghan Petroleum University of Staff and Workers

摘　　要：利用自组织神经网络对测井数据进行岩性识别,具有较强的自组织性、适应性和较高的容错能力,与其他神经网络算法相比,计算量小、收效速度快。实验结果表明:自组织特征映射神经网络对测井数据进行岩性识别是可行的,而且识别率较高,是一种行之有效的岩性识别的好方法。Identifying lithology according to logging data by self-organized neural network not only has stronger self -organizability, adaptability and fault-tolerance, but also has small calculation and gets quick returns compared with other methods of netural network. The experiment shows that self-organized characteristic map neural network is feasible for lithologic identification of logging data and has a high rate of identification.

关 键 词：测井资料 神经网络 岩性识别 模式识别 

分 类 号：TE357.8[石油与天然气工程—油气田开发工程]