| 主权项 |
一种深部矿层和岩层的判定方法，其特征在于包括建立人工神经网络模型和判定深部矿层和岩层两个步骤：(1)、建立人工神经网络模型：人工神经网络模型由输入层、输出层和隐含层三部分组成，其中输入层的建立过程是：输入矿层或岩层的视电阻率、人工伽马值和自然伽马值组成测井曲线值的初始矩阵，初始矩阵的行数越多越好，对初始矩阵进行归一化，统一无量纲化，消除不同影响，把输入数据归一化在【0，1】之间，归一化公式是X’<sub>ij</sub>＝(X<sub>ij</sub>‑X<sub>jmin</sub>)/(X<sub>jmax</sub>‑X<sub>jmin</sub>)，式中i＝1、2…w，j＝1、2…m，其中，w和m的值根据测井曲线值的个数和矿层或岩层的类型确定，X<sub>jmax</sub>＝max{X<sub>ij</sub>}，X<sub>jmin</sub>＝min{X<sub>ij</sub>}，X<sub>jmax</sub>和X<sub>jmin</sub>分别是各变量的最大值和最小值，归一化后的数据X'<sub>ij</sub>∈[0,1]，数据代码为：For i＝1:rP(i,:)＝(P(i,:)‑min(P(i,:)))/(max(P(i,:))‑min(P(i,:)))End；r为测井数据条数，每一条对应一个岩性，min(P(i,:)代表不同岩石类型的某一种类型测井数据的最小值，max(P(i,:)代表不同岩石类型的某一种类型测井数据的最大值；输出层的建立过程是：定义归一化后的数据X'<sub>ij</sub>，接近1或者等于1的为对应的识别结果，将识别结果输入矩阵实验室进行计算得到目标矩阵，实现输出层的建立；隐含层的建立过程是：针对输入层建立的算法，根据人工神经网络计算公式<img file="FDA0000850213380000011.GIF" wi="307" he="82" />确定，式中p为输出层结点数，n为输入层神经元数，q为输出层神经元数，a取0～10之间的常数，选取不同输入层神经元数和输出层神经元数进行运算并确定输出层结点数；采用常规的矩阵实验室中专门构建人工神经网络模型的函数：net＝newff(minmax(P),[No(i),1],{'tansig','logsig'},'trainlm')；for i＝1:4net＝newff(minmax(P),[No(i),1],{'tansig','logsig'},'trainlm')；net.trainParam.epochs＝1000，表示训练步长；net.trainParam.goad＝0.00013，表示网络误差；net＝train(net,P,T)；Temp＝sim(net,P_test)；error(i,1:4)＝Temp‑T；实现人工神经网络模型的建立；(2)、深部矿层和岩层的判定：按照0.5m的间距读取未取芯钻孔的测井曲线数据，将每一层数据输入步骤(1)建立的人工神经网络模型后计算得出结果，再对计算结果进行分析，按照每行接近于1的数据反馈数据所代表的矿层和岩层的矿性和岩性，判定矿层和岩层。 |
