RPROP算法在测井岩性识别中的应用

RPROP算法在测井岩性识别中的应用

张治国，杨毅恒，夏立显

吉林大学　综合信息矿产预测研究所，吉林　长春 130026

收稿日期:2004-07-08 修回日期:1900-01-01 出版日期:2005-05-26 发布日期:2005-05-26
通讯作者: 张治国

Application of RPROP Algorithm to Well Logging Lithologic Identification

ZHANG Zhi-guo, YANG Yi-heng, XIA Li-xian

Institute of Mineral Resources Prediction of Synthetic Information, Jilin University, Changchun 130026,China

Received:2004-07-08 Revised:1900-01-01 Online:2005-05-26 Published:2005-05-26
Contact: ZHANG Zhi-guo

摘要/Abstract

摘要： 为了更好地解决测井岩性识别问题，引入一种快速实用的BP算法--Resilient Backpropagation (RPROP)算法。在说明RPROP算法的基础上，结合某地的实际测井资料，建立基于RPROP算法的BP网络岩性识别模型，进行岩性识别的应用研究。结果表明，应用RPROP算法进行测井资料岩性识别，识别的准确率较高，与基本BP算法及其一些改进算法相比，训练速度快，具有很好的应用前景。

关键词: RPROP算法, BP神经网络, 测井资料, 岩性识别

Abstract: A fast and practical backpropagation algorithm--resilient backpropagation (RPROP) has been introduced to better solve lithologic identification problems using well logging data. A backpropagation neural network model of lithologic identification based on the RPROP algorithm is established to study a real well logging data. The results indicate that the accuracy of identification is high and the RPROP algorithm is fast and practical compared with conventional backpropagation algorithm and some other modified backpropagation algorithm.

Key words: resilient backpropagation(RPROP) algorithm, backpropagation neural network, logging data, lithologic identification

中图分类号:

P631.81

张治国，杨毅恒，夏立显. RPROP算法在测井岩性识别中的应用[J]. J4, 2005, 35(03): 389-0393.

ZHANG Zhi-guo, YANG Yi-heng, XIA Li-xian. Application of RPROP Algorithm to Well Logging Lithologic Identification[J]. J4, 2005, 35(03): 389-0393.

参考文献

相关文章 15

[1]	周孙超, 宋腾蛟, 王琰, 蔡宗佑. 基于小龙虾优化算法的BP神经网络模型在滑坡易发性评价中的应用[J]. 吉林大学学报(地球科学版), 2026, 56(3): 937-950.
[2]	曹志民, 张丽, 郑兵, 韩建. 基于SMOTE平衡数据的极端随机树岩性识别[J]. 吉林大学学报(地球科学版), 2025, 55(4): 1372-1386.
[3]	王婷婷, 黄志贤, 王洪涛, 杨明昊, 赵万春. 基于MobileNetV2的岩石薄片岩性识别[J]. 吉林大学学报(地球科学版), 2024, 54(4): 1432-1442.
[4]	庞志超, 肖华, 毛晨飞, 陈国军, 梁琬坤, 高明, 张啸. 准噶尔盆地南缘地区含膏质地层岩性特征及测井识别方法[J]. 吉林大学学报(地球科学版), 2024, 54(4): 1419-1431.
[5]	李瑞友, 白细民, 张勇, 汪靖, 朱亮, 丁小辉, 李广. 基于小波包分解与GA优化BP神经网络的瞬变电磁反演[J]. 吉林大学学报(地球科学版), 2024, 54(3): 1003-1015.
[6]	王新领, 祝新益, 张宏兵, 孙博, 许可欣. 基于随机树嵌入的随钻测井岩性识别方法 [J]. 吉林大学学报(地球科学版), 2024, 54(2): 701-708.
[7]	管耀, 王清辉, 冯进, 杨清, 石磊. 基于机器学习的蚀变火成岩测录井综合岩性识别——以南海北部珠江口盆地惠州26-6井区为例#br#[J]. 吉林大学学报(地球科学版), 2024, 54(1): 345-358.
[8]	王婷婷, 孙振轩, 戴金龙, 姜基露, 赵万春. 松辽盆地中央坳陷区储层岩性智能识别方法 [J]. 吉林大学学报(地球科学版), 2023, 53(5): 1611-1622.
[9]	尹生阳, 曾维, 王胜, 胡粒琪, 余小平, 李亚欣. 基于声波信号的岩性智能分类方法[J]. 吉林大学学报(地球科学版), 2022, 52(6): 2060-2070.
[10]	熊越晗, 刘东燕, 刘东升, 王艳磊, 唐小山. 基于岩样细观图像深度学习的岩性自动分类方法[J]. 吉林大学学报(地球科学版), 2021, 51(5): 1597-1604.
[11]	牟丹, 张丽春, 徐长玲. 3种经典机器学习算法在火山岩测井岩性识别中的对比[J]. 吉林大学学报(地球科学版), 2021, 51(3): 951-956.
[12]	王恒, 姜亚楠, 张欣, 仲鸿儒, 陈庆轩, 高世臣. 基于梯度提升算法的岩性识别方法[J]. 吉林大学学报(地球科学版), 2021, 51(3): 940-950.
[13]	朱凯光, 王昊, 彭聪, 张琼, 范天姣, 景春阳. 基于BP神经网络的固定翼航空电磁线圈姿态校正[J]. 吉林大学学报(地球科学版), 2020, 50(1): 252-260.
[14]	张代磊, 黄大年, 张冲. 基于遗传算法优化的BP神经网络在密度界面反演中的应用[J]. 吉林大学学报(地球科学版), 2017, 47(2): 580-588.
[15]	王宇, 卢文喜, 卞建民, 侯泽宇. 三种地下水位动态预测模型在吉林西部的应用与对比[J]. 吉林大学学报(地球科学版), 2015, 45(3): 886-891.

Metrics

Viewed

Full text

Abstract

Cited

Shared

Discussed

本文评价

推荐阅读 10

[1]	吴远坤, 刘成林, 于春勇. 松辽盆地双城断陷深层原油成藏模式[J]. 吉林大学学报(地球科学版), 2024, 54(5): 1443 -1456 .
[2]	马荣，石建省，刘继朝. 人工内分泌网络模型在水文地质参数研究中的应用[J]. 吉林大学学报(地球科学版), 2013, 43(3): 914 -921 .
[3]	李宁, 王成文. 东北及邻区晚古生代地层接触关系与佳-蒙地块的形成和演化[J]. 吉林大学学报(地球科学版), 2017, 47(5): 1331 -1340 .
[4]	胡大千，初凤友，姚杰. 中太平洋YJA海山富钴结壳矿物组成与元素地球化学[J]. J4, 2006, 36(01): 32 -0037 .
[5]	姜雪, 程日辉,于民凤. 裂谷地层的气候和构造控制：Zscape模型分析与在松辽盆地北安断陷的应用[J]. J4, 2006, 36(01): 54 -0059 .
[6]	李春柏，张新涛，刘立，任延广,孟鹏. 布达特群热流体活动及其对火山碎屑岩的改造作用--以海拉尔盆地贝尔凹陷为例[J]. J4, 2006, 36(02): 221 -0226 .
[7]	孟宪纲，薄万举，刘志广，刘勇，畅柳，李朝柱，王子平. 芦山7.0级地震与巴颜喀拉块体中东段的活动性[J]. 吉林大学学报(地球科学版), 2014, 44(5): 1705 -1711 .
[8]	陈欢庆, 梁淑贤, 舒治睿, 邓晓娟, 彭寿昌. 冲积扇砾岩储层构型特征及其对储层开发的控制作用——以准噶尔盆地西北缘某区克下组冲积扇储层为例[J]. 吉林大学学报(地球科学版), 2015, 45(1): 13 -24 .
[9]	贾大成,邢立新, 潘军, M. J. van Bergen, H. van Roermund. 伊通上地幔剪切带捕虏体中富铝尖晶石的地球化学特征[J]. J4, 2006, 36(04): 497 -502 .
[10]	谢忠雷，杨佰玲，包国章，董德明. 茶园土壤不同形态镍的含量及其影响因素[J]. J4, 2006, 36(04): 599 -604 .