本文主要研究内容
作者巩泽文(2019)在《古叙矿区煤体及其组合的测井曲线识别技术》一文中研究指出:不同测井曲线对于煤体结构识别具有多解性。为提高判识精度,通过对古叙矿区石宝矿段煤储层特征和常规测井响应特征分析,提取了对煤体结构反应敏感的8条测井曲线,包括自然伽马、井径Ⅰ、井径Ⅱ、深侧向电阻率、浅侧向电阻率、补偿密度、补偿中子、补偿声波,采用BP(back propagation)神经网络算法,通过MTALAB软件,建立了神经元数量为100、训练函数为TRAINLM,适应学习函数为LEARNGDM、误差分析为MSE的二层BP神经网络煤体结构定量识别模型,预测结果与矿区其他井岩心进行对比,结果表明,基于BP神经网络的煤体结构测井识别方法精确度达89%,效果好于传统的测井判识方法。
Abstract
bu tong ce jing qu xian dui yu mei ti jie gou shi bie ju you duo jie xing 。wei di gao pan shi jing du ,tong guo dui gu xu kuang ou dan bao kuang duan mei chu ceng te zheng he chang gui ce jing xiang ying te zheng fen xi ,di qu le dui mei ti jie gou fan ying min gan de 8tiao ce jing qu xian ,bao gua zi ran ga ma 、jing jing Ⅰ、jing jing Ⅱ、shen ce xiang dian zu lv 、jian ce xiang dian zu lv 、bu chang mi du 、bu chang zhong zi 、bu chang sheng bo ,cai yong BP(back propagation)shen jing wang lao suan fa ,tong guo MTALABruan jian ,jian li le shen jing yuan shu liang wei 100、xun lian han shu wei TRAINLM,kuo ying xue xi han shu wei LEARNGDM、wu cha fen xi wei MSEde er ceng BPshen jing wang lao mei ti jie gou ding liang shi bie mo xing ,yu ce jie guo yu kuang ou ji ta jing yan xin jin hang dui bi ,jie guo biao ming ,ji yu BPshen jing wang lao de mei ti jie gou ce jing shi bie fang fa jing que du da 89%,xiao guo hao yu chuan tong de ce jing pan shi fang fa 。
论文参考文献
论文详细介绍
论文作者分别是来自科学技术与工程的巩泽文,发表于刊物科学技术与工程2019年20期论文,是一篇关于古叙矿区论文,测井响应论文,神经网络论文,媒体结构论文,科学技术与工程2019年20期论文的文章。本文可供学术参考使用,各位学者可以免费参考阅读下载,文章观点不代表本站观点,资料来自科学技术与工程2019年20期论文网站,若本站收录的文献无意侵犯了您的著作版权,请联系我们删除。
标签:古叙矿区论文; 测井响应论文; 神经网络论文; 媒体结构论文; 科学技术与工程2019年20期论文;