发明名称 |
一种基于模糊理论和神经网络的测井相识别方法 |
摘要 |
本发明提出了一种基于模糊理论和神经网络的测井相识别方法,首先,构建模糊区域卷积神经网络,将给出目标假设区域和目标识别放入同一个网络中,共享卷积计算,一个训练过程更新整个网络的权重;接下来,测井数据经过模糊区域卷积神经网络进行卷积和池化操作,卷积层和池化层交互,在卷积层和池化层进行模糊操作,从模糊区域卷积神经网络的第一层开始,逐渐增加模糊化的层数,针对不同的数据集调整模糊化层数,模糊区域卷积神经网络的最后一层得到特征向量,该特征向量通过一个滑动窗口将特征映射到一个低维向量中,然后将特征输入到两个全连接层,一个全连接层用来定位,另一个全连接层用来分类。 |
申请公布号 |
CN106446514A |
申请公布日期 |
2017.02.22 |
申请号 |
CN201610780332.5 |
申请日期 |
2016.08.31 |
申请人 |
中国石油大学(华东) |
发明人 |
李忠伟;张卫山;宋弢;卢清华;崔学荣;刘昕;赵德海;何旭 |
分类号 |
G06F19/00(2011.01)I;G06N3/04(2006.01)I |
主分类号 |
G06F19/00(2011.01)I |
代理机构 |
北京科亿知识产权代理事务所(普通合伙) 11350 |
代理人 |
于正友 |
主权项 |
一种基于模糊理论和神经网络的测井相识别方法,其特征在于,首先,构建模糊区域卷积神经网络,将给出目标假设区域和目标识别放入同一个网络中,共享卷积计算,一个训练过程更新整个网络的权重;接下来,测井数据经过模糊区域卷积神经网络进行卷积和池化操作,卷积层和池化层交互,在卷积层和池化层进行模糊操作,从模糊区域卷积神经网络的第一层开始,逐渐增加模糊化的层数,针对不同的数据集调整模糊化层数,模糊区域卷积神经网络的最后一层得到特征向量,该特征向量通过一个滑动窗口将特征映射到一个低维向量中,然后将特征输入到两个全连接层,一个全连接层用来定位,另一个全连接层用来分类。 |
地址 |
266000 山东省青岛市经济技术开发区长江西路66号 |