-
公开(公告)号：CN111178441A
公开(公告)日：2020-05-19
申请号：CN201911413844.8
申请日：2019-12-31
Applicant: 中国矿业大学(北京)
Abstract: 本发明公开了一种基于主成分分析与全连接神经网络的岩性识别方法，包括以下步骤：将待测试数据输入至PCA-FCNN模型中，通过所述PCA-FCNN模型处理后得到岩性识别结果；其中，所述PCA-FCNN模型的建立包括以下步骤：S1.训练样本的选择与归一化处理；以不同岩性特征测井曲线作为输入数据，从输入数据中选取数据作为训练样本，并将训练样本中的数据打乱顺序后进行归一化处理；S2.对归一化后的数据进行特征降维；对归一化后的数据通过主成分分析法进行特征降维，并根据降维后的结果选取n个主成分；S3.采用FCNN算法建立神经网络；根据主成分的个数，建立n层FCNN神经网络，其中前n-1层的激活函数设置为Relu函数，第n层采用softmax函数。本发明能够显著提高岩性识别的准确率。
-
公开(公告)号：CN112990320A
公开(公告)日：2021-06-18
申请号：CN202110293957.X
申请日：2021-03-19
Applicant: 中国矿业大学(北京)
Abstract: 本申请提供了一种岩性的分类方法、装置、电子设备及存储介质，分类方法包括：获取目标深度的岩石的岩性信息，其中，所述岩性信息为所述目标深的度岩石的属性参数信息；将岩石的岩性信息输入训练好的多分类网络中的下采样层，得到岩石的岩性信息对应的岩石特征信息；将岩石特征信息顺次输入多分类网络中的上采样层和卷积层中，得到岩石的岩性信息对应的岩性类别。本申请通过将不同井深的岩性信息输入到训练好的多分类网络中的下采样层，得到对应的岩石特征信息，将岩石特征信息输入多分类网络中的上采样层和卷积层中，得到岩石的岩性类别，通过训练出的多分类网络对岩性信息进行识别，得到岩性类别，可以提高对岩性信息进行岩性分类的准确率。
-
公开(公告)号：CN110344824B
公开(公告)日：2023-02-10
申请号：CN201910556061.9
申请日：2019-06-25
Applicant: 中国矿业大学(北京)
Abstract: 本发明公开了一种基于随机森林回归的声波曲线生成方法，包括如下具体步骤：收集研究区及研究区周围全部测井资料；选取资料齐全的测井，对其数据进行归一化处理，得到样本数据；将样本数据运用主成分分析法，筛选特征值对应的特征向量组建成数据集；将筛选后的样本数据按照固定比例，运用bootstrap方法从样本数据中有放回的抽取数据，分为训练数据集和测试样本集；构建基于随机森林回归算法的曲线生成模型；将待生成处测井的数据集输入构建好的模型得到缺失的测井曲线。本发明提供了一种基于随机森林回归的声波曲线生成方法能够解决现在曲线生成技术中存在的问题，在保证模型精度质量的情况下，拥有更强的泛化能力及更快的计算速度。
-
公开(公告)号：CN110344824A
公开(公告)日：2019-10-18
申请号：CN201910556061.9
申请日：2019-06-25
Applicant: 中国矿业大学(北京)
Abstract: 本发明公开了一种基于随机森林回归的声波曲线生成方法，包括如下具体步骤：收集研究区及研究区周围全部测井资料；选取资料齐全的测井，对其数据进行归一化处理，得到样本数据；将样本数据运用主成分分析法，筛选特征值对应的特征向量组建成数据集；将筛选后的样本数据按照固定比例，运用bootstrap方法从样本数据中有放回的抽取数据，分为训练数据集和测试样本集；构建基于随机森林回归算法的曲线生成模型；将待生成处测井的数据集输入构建好的模型得到缺失的测井曲线。本发明提供了一种基于随机森林回归的声波曲线生成方法能够解决现在曲线生成技术中存在的问题，在保证模型精度质量的情况下，拥有更强的泛化能力及更快的计算速度。
-
-
-
Search Results
4
records
(took 0.018 seconds)
