基于油气识别的概率神经网络算法  

PNN Algorithm In Oil and Gas Recognition

作　　者：张良[1] 吴国平[1] 王婧[1] 

机构地区：[1]中国地质大学机械与电子信息学院,武汉430074

出　　处：《微计算机信息》2009年第7期262-263,289,共3页Control & Automation

基　　金：基金申请人:吴国平;基金资助项目名称:油气圈闭场源参数全域灰色自适应解法;基金颁发部门:国家自然科学基金委(40674069)

摘　　要：随着我国对石油需求的逐年增加,对石油勘探技术的要求也越来越高,而测井信号的准确识别对石油的勘探技术有着重大的意义。本文通过对测井信号的预处理,利用径向基神经网络的一种延伸--概率神经网络,对测井信号进行网络训练,达到识别的效果。研究和实验结果表明,本文方法对测井信号的识别有很高的准确性,实用性,运行速度快。As the oil demand increased year by year, oil exploration technology requirements are also getting higher and higher, so identify the exact signal for oil exploration technology, has a great significance. Based on the logging signal preconditioning, Used a kind of RBF network extension-PNN to train the logging signal to attach the clustering effect. Research and experimental results show that this method of identification on logging signals has high accuracy, practicality, run faster.

关 键 词：模式识别 径向基 概率神经网络 储层 

分 类 号：P631[天文地球—地质矿产勘探]