自组织竞争人工神经网络在砂岩型铀矿测井数据解释中的应用.pdfVIP

维普资讯 第 25卷第 2期 世 界 核 地 质 科 学 Vo1．25，No．2 2008年 6月 W orld Nuclear Geoscience Jun．2008 自组织竞争人工神经网络 在砂岩型铀矿测井数据解释中的应用 徐建国 ，吴显礼 ，王卫国 (1．核工业 216大队，新疆 乌鲁木齐 83001l；2．核工业 243大队，内蒙古 赤峰 024006) [摘要]详细介绍了 自组织竞争人工神经网络模型结构、原理和钻孔岩性 自动识别过程 ，给出了 神经网络模型在钻孔岩性 自动识别过程 中的有效性实例。自组织竞争人工神经网络具有 自组织能力 、 自适应能力和较高的容错能力；与BP算法相 比较 ，计算量小，收敛速度快 ，且不需要 已知的先验信息 而 自动确定分类类别 。钻孔岩性识别结果与岩心地质编录的对 比试验表明，在砂岩型铀矿测井数据的 解释中，应用 自组织竞争人工方法可较好地完成钻孔岩性 自动分类 。 [关键词]砂岩型铀矿 ；自组织竞争神经网络 ；测井数据解释 ；岩性识别 [中图分类号]P631．8+4；P619．14 [文献标识码]A [文章编号]1672—0636(2008)02-0114-05 Aanizingcompetitionartificialneuralnetwork to loggingdataexplanation ofsandstone—hosteduranium deposits XUJian—guo，WUXian—li，WANGWei—guo (1．GeologicPartyNo．216，CNNC，Urumqi，Xinjiang830011，China； 2．GeologicPartyNo．243，CNNC，Chifeng，InnerMongolia024006，China) Abstract：Thearticledescribesthemodelconstructionofself—organizingcompetitionartificialneural network， itsprincipleand automaticrecognition processofborehole lithology in detail， and then provestheefficiencyoftheneuralnetworkmodelforautomaticallyrecognizingtheboreholelithology with somecases．Theself—organizingcompetition artificialneurM network hastheability ofself— organization，self—adjustmentandhighpermittingerrors．ComparedwiththeBPalgorithm，ittakes lesscalculation quantity andmorerapidlyconverges．Furthemr ore，itcan automatically confirm the categorywithouttheknown sample infomr ation．Trialresuhsbased on contrasting the identification resultsoftheboreholelithologywithgeologicaldocumentations，indicatethatself—organizingartificial neuralnetwork can bewellapplied to automatically perfomr ing the category ofborehole lithology， duringtheofggingdataexplanationofsandstone—hosteduranium deposits． Key words： sandstone—hosted uran