-
题名基于主成分自组织神经网络法的测井曲线分层技术
被引量：1
- 1
-
-
作者
张强
胡志伟
王毛毛
周成号
-
机构
核工业二一六大队
-
出处
《地质与勘探》
CAS
CSCD
北大核心
2024年第5期1013-1020,共8页
-
基金
中国核工业地质局项目(编号:202205、202206)资助。
-
文摘
在砂岩型铀矿找矿工作中,提高测井岩性分层效率和精度至关重要。为提高砂岩型铀矿岩性分层效果,本文采用主成分分析法对多个测井曲线进行降维处理,将主成分分析法的第一主成分、第二主成分、第三主成分作为自组织神经网络的样本数据,进行自组织神经网络训练,将训练好的网络模型用于砂岩型铀矿岩性的自动化分层。实验结果显示:主成分自组织神经网络法岩性分层精度可达到85%以上,高于传统自组织神经网络算法78%的分层精度,具有更好的测井岩性分层效果。因此,主成分自组织神经网算法的岩性分层方法有效减少了输入样本的种类,简化了自组织神经网络结构,其自动化分层效果要优于传统的自组织神经网络算法。本文的研究结果表明,主成分自组织神经网算法在砂岩型铀矿领域岩性识别工作中具有较好的应用效果。
-
关键词
测井曲线
自组织神经网络算法
主成分分析法
岩性分层
砂岩型铀矿
-
Keywords
logging curve
self-organizing neural network algorithm
principal component analysis method
lithological stratification
sandstone type uranium deposit
-
分类号
P631
[天文地球—地质矿产勘探]
-
