构造性神经网络在测井岩性识别中的应用

摘要

测井岩性识别是石油勘探中十分重要的基础工作,准确的岩性识别结果可以为勘探和开发提供可靠的依据.人工神经网络方法可对复杂的高维数据进行非线性映射,在模式识别领域得到越来越广泛的应用.针对传统的BP神经网络算法存在收敛速度慢、隐层数以及隐层节点数难以确定等缺点,研究了一种构造性神经网络学习算法--级联算法(Cascade Correlation Algorithm,简称CC算法)及其在石油工程中的应用.采用该算法对甘肃镇原-泾川地区进行岩性识别研究,通过与BP神经网络的识别结果进行比较,体现出构造性神经网络的优越性.