邹涛峰;

• 1:大庆油田有限责任公司第七采油厂

摘要(Abstract)：

针对测井曲线小层水淹层自动识别,提出一种基于自组织过程神经网络(Self-Organization PNN,SOPNN)的动态判别模型和方法.SOPNN由输入层和竞争层组成,其输入和连接权为与时间有关的函数.网络可将小层连续测井曲线作为输入,自动提取曲线所对应的形态和幅值特征,并对其进行自组织,在竞争层将分类结果表示出来.给出SOPNN竞争学习和有教师示教2种学习算法,对实际测井水淹层资料进行处理,正确识别率可达79.25%.

关键词(KeyWords)：SOPNN;学习算法;模式识别;测井曲线;水淹层

Abstract:

Keywords:

基金项目(Foundation):黑龙江省自然科学基金项目(ZA2006-11);;

黑龙江省科技攻关项目(GZ07A103);;

黑龙江省普通高等学校骨干教师创新能力计划项目(105G002)

作者(Author):邹涛峰;

Email:

参考文献(References)：

• [1]马驰.大庆萨中开发区水淹层综合解释方法探讨[J].国外测井技术,2008,23(3):34-36.

• [2]杨王黎,王惠影.基于B样条核的水淹层识别方法[J].计算机工程与科学,2008,30(5):113-114.

• [3]刘金月,许少华.基于小波包分析和过程神经元网络的水淹层识别方法[J].大庆石油学院学报,2008,32(1):74-76.

• [4]陈科贵,赵志恒.小波分析在水淹层定性评价中的应用[J].天然气工业,2008,28(8):49-52.

• [5]何新贵,许少华.过程神经元网络[M].北京:科学出版社,2007.

• [6]BHANDARI N,ROLLI NS D.Continuous-time Hammerstein nonlinear modeling applied to distillation[J].AIChEJournal,2004,50(2):530-533.

• [7]朱华艳,王树明,郭万奎,等.多资料水淹层识别的模糊神经网络模型研究[J].计算机工程与应用,2006(2):226-229.