| GRNN与LS-SVM方法在计算煤质工业组分中的应用 |
| |
| 引用本文： | 周大鹏, 王祝文, 李晓春. GRNN与LS-SVM方法在计算煤质工业组分中的应用[J]. 物探与化探, 2016, (1): 88-92. doi: 10.11720/wtyht.2016.1.16 |
| |
| 作者姓名： | 周大鹏 王祝文 李晓春 |
| |
| 作者单位： | 吉林大学 地球探测科学与技术学院,吉林 长春,130026;; 吉林大学 地球探测科学与技术学院,吉林 长春,130026;; 内蒙古自治区煤田地质局,内蒙古 呼和浩特,010000 |
| |
| 基金项目： | 国家高技术研究发展计划("863"计划)项目 |
| |
| 摘 要： | 在煤炭开发过程中,对煤质的评价尤为重要. 依靠实验室分析来确定煤质的工业组分效率比较低,成本也比较高,因此通过建立其与测井参数之间的关系来进行各组分的计算. 选取自然伽马、双收时差、密度以及三侧向电阻率这四个测井参数为输入的特征参数,煤质的水分、灰分、挥发分以及固定碳的含量作为输出结果,利用在某煤田挑选的73层测井数据当作训练样本,构建了基于广义回归神经网络( GRNN)以及最小二乘支持向量机( LS-SVM)的计算模型,从而建立了测井参数与各工业组分之间的关系. 对19层的测试数据进行了检验,结果表明这两种方法均能应用于实际的生产之中;相比之下,广义回归神经网络能更准确地计算出各组分的含量,其平均平方误差均在1%以下.
|
| 关 键 词： | GRNN LS-SVM 煤田测井 煤质工业组分 自然伽马 双收时差 三侧向电阻率 |
| 本文献已被 CNKI 万方数据 等数据库收录！ |
| 点击此处可从《物探与化探》浏览原始摘要信息 |
|
点击此处可从《物探与化探》下载免费的PDF全文 |
|
