模式识别的发展 - Read.DOC

基于模式识别BP网络技术的油气层识别 袁 满 佘晓宇 （长江大学东校区电信系， 湖北 荆州 434023） 摘 要 本文介绍了如何用模数转化把录井参数波形转化为数字资料，再采用模式识别的方法自动识别油气层，来准确识别油层、油水同层、水层、干层等，模式识别方法对油气层进行识别来缩减工作量精确解释结果，一个好的识别模型可以轻易地达到事半功倍的效果，结合实例说明利用BP神经网络判别效果是令人满意的技术。 关键词 A/D转化;油气层;模式识别;函数 作者简介 袁满，女，1983年出生。2005年毕业与长江大学电信系信号与信息处理专业，现在长江大学就读研究生，研究方向为数据采集与传输。 The Pattern recognition of oil-gas bed Abstract the design is about how to change the parameter wave of well into data by using the ADC technology, then use the pattern recognition method to automatically dividing bed ,this design can cut short the work make the data precise. For it a good design model can get twice the result with half the effort! With example it proves that we can using BP neural network method to get a surprised result. Keyword A/D translation; oil-gas bed; pattern recognition; function Author introduction yuanman, female, born in 1983.graduated in major signal and information processing of electron information engineering college of Yangtzeu university, now is a graduate student of Yangtzeu university ,the direction of study is the collection and transmission of data. 一、引言 近年来，基于模式识别技术的各类方法技术在测井资料储层识别领域内都得到了广泛的应用，也取得了较好的结果。其中有灰色系统方法、模糊判别技术、神经网络技术等。特别是基于人工神经网络的储层预测与评价成为研究及应用较为广泛的方法，神经网络具有很强的自适应学习能力，它模拟人脑的结构，通过对外界事物的感知及认识，实现其判别过程。目前研究及应用比较广泛的神经网络方法有:结构风险最小神经网络油气预测理论、时间延迟神经网络地震油气预测方法、改进的组合进化算法的神经网络、自组织特征映射神经网络及前馈式神经网络等，其中反向传播神经网络（BP神经网络）是目前应用最广泛、研究最深入的一种多层前馈神经网络。 油气勘探具有高投入，高风险的特点，利用现有的钻井资料，采取切实可行的技术模型可以增强测试层位的可靠性和准确性，一个好的高效的模式识别模型甚至可以让一个井变废为宝起死为生，对于提高油气井开采价值具有重要价值。基于模式识别技术的人工神经网络虽然得到了广泛的认识和探索，但应用尚处于初始阶段，由于它具有传统统计方法无法替代的功能，尤其是它能解决各科非线性问题，这为神经网络在石油勘探及开发的诸多方面应用开辟了广阔的大地。可以预料，随着神经网络这门学科的不断完善，神经网络方法将会渗透到石油科学的各分支学科中。 二、基本原理 计算机模式识别的系统基本上是由三部分组成的，即数据采集、数据处理和分类决策或模型匹配。任何一种模式识别方法都首先要通过各种传感器把被研究对象的各种物理变量转换为计算机可以接受的数值或符号（串）集合。习惯上，称这种数值或符号（串）所组成的空间为模式空间。为了从这些数字或符号（串）中抽取出对识别有效的信息，必须对它进行处理，其中包括消除噪声，排除不相干的信号以及与对象的性质和采用的识别方法密切相关的特征的计算（如表征物体的形状、周长、面积等等）以及必要的变换（如为得到信号功率谱所进行的快速傅里叶变换）等。然后通过特征选择和提取或基元选择形成模式的特征空间。以后的模式分类或模型匹配就在特征空间的基础上进行。系统的输出或者是对象所属的类型或者是模型数据库中与对象最