| 自组织特征映射神经网络在测井岩性识别中的应用 |
| |
| 引用本文： | 张治国,杨毅恒,夏立显.自组织特征映射神经网络在测井岩性识别中的应用[J].地球物理学进展,2005,20(2):332-336. |
| |
| 作者姓名： | 张治国 杨毅恒 夏立显 |
| |
| 作者单位： | （吉林大学综合信息矿产预测研究所，长春 130026） |
| |
| 基金项目： | 国家高技术研究发展计划(863计划) |
| |
| 摘 要： | 为了解决测井岩性识别问题，引入具有较强的聚类和容错能力的自组织特征映射(SOFM)神经网络．在说明SOFM网络的模型和算法的基础上，结合某地的实际测井资料，建立SOFM网络岩性识别模型，进行岩性识别的应用研究．结果表明，识别的准确率较高，证明SOFM网络可以用于解决测井岩性识别问题，具有很好的应用前景．
|
| 关 键 词： | 自组织特征映射 工神经网络 井资料 性识别 |
| 文章编号： | 1004-2903(2005)02-0332-05 |
| 修稿时间： | 2004年11月10 |
The application of self organizing feature map neural network to logging lithological identification |
| |
| ZHANG Zhi-guo,YANG Yi-heng,XIA Li-xian.The application of self organizing feature map neural network to logging lithological identification[J].Progress in Geophysics,2005,20(2):332-336. |
| |
| Authors: | ZHANG Zhi-guo YANG Yi-heng XIA Li-xian |
| |
| Abstract: | Based on the self-organizing feature map(SOFM) neural network this paper introduces a logging lithological identification technology. First, it describes the model and algorithm of the SOFM network. Then an example is used to show how to build up an SOFM network model for logging lithological identification and its application to logging lithological identification. The results indicate that the accuracy of identification is high and the SOFM network can be used in lithological identification of logging data, which has good prospects. |
| |
| Keywords: | self-organizing feature map artificial neural network logging data lithological identification |
| 本文献已被 CNKI 维普 万方数据 等数据库收录！ |
| 点击此处可从《地球物理学进展》浏览原始摘要信息 |
| 点击此处可从《地球物理学进展》下载免费的PDF全文 |
