基于BAM神经网络的钻井复杂事故识别研究.pdfVIP

维普资讯 第 15卷 第 l期 西 南 石 油 学 院 学 报 V ．15 No．1 1998年 2月 JournalofSouthwest~nP曲 aIqm Insgi~ F曲 1993 基于BAM神经网络的 钻井复杂事故识别研究 ．， 1—3 I (油油井宠井拄术中心) 7_／拉西 擒 要 在详-分析钻井皇齐情况和事t耐基础上．应用斗燕一培的昔方法 功地并捷 钻井董杂 情况和事t的识嗣问逼．BAM神晕一培具有模型和算法简单 的特点，是作为类似模点识剐问题研究 的一种较好 的 ‘具 ． 主题词 -甍 ，凡 智能， 中围法分类号 TE28} TP18 引 言 近年来 ．神经网络的研究和应用迅速蔑展 ，其原因有 以下几个方面：一是来 自神经生物学 和认知科学对人类信息处理的研究；二是人工智能面临向何处去的问题 ，即使是 tray巨型机 · 其概念和计算方式仍是最原始的；时髦的专家系统也仅是原有概念的外推和延伸，而没有根本 的创新．它的本领不过是辅入知识的总和 ，而不能创新知识．神经网络是一门高度综台性的学 科 ，它的研究成果不但能加深人们对大脑功能的了解 ．而且有可能为下一代计算机及人工智能 的研究开辟一条崭新的途径 “．正是基于此 ，神经网络的理论研究和实际应用 目前正在国际上 形式一股热潮，已经渗透到各个领域． 神经网络通过模拟人的智能行为的发生机 制，即神经元间的相互作用来解决问题 ，因此 ， 具有大规模并行分布处理，高度的鲁棒性 (Ro- tmstncss)以及学 习联想能力 的特征．一十典壅 的神经元如图 l所示．这里 ，，…， 为神经 元接收到的信息(神经元的辅入)； ，叩】．．·， 为神经元的联接强度 ，称之为权； 将所有带权 图l神经元的数学描述 输入进行代数和．得到 Ⅳ田； ；F是激励函数 ，它以脚 为输入 ．产生神经元的输出信息 OUT， 一 (Ⅳ )． 1992—07一l5收稿 维普资讯 50 西南石油学皖学报 神经元间的不同连接方式就构在了不同的神经网络模型．就 目前状况看，主要有十几种模 型。．双 向互联想记忆 (施 f 证 Memory简称 BAM)神经网络模型是美国南加州大 学 BartK。勘 于 1987年提出的。．BAM在很大程度上是Ho~．f,eut网的扩充，两者都具有联想的 能力．但 胁 嗣是单层反馈神经网络，只能进行 自联想，而BAM是双层互反馈神经网络，能 进行两个不同记忆样本之间的相互联想即异联想．我们所进行的钻井复杂情况和事故识别的 研究正是基于BAM模型的这一重要功能． ! BAM模型 BAl1．／的结构 ，图 2所示，是一个两层神经元互相连接的网络．两层神经元分别用 A、B向 量表示，神经元间的连接权系所组成的矩阵称为权值矩阵 激励函数为 ，它们的定义分别 为 ： A一 (al，m，… ，a。)i B-=(6l， ，… 】； ∞ 2L， … ， J l， 2 ，… ， ， f 1， d0： P(d)一 0， d 0} 圈2 BAM构形 L原值 ， a=0 BAM要能联想，必须首先对它进行一系列的训练过程即学习．BAM 的学习所要解决的问 题是如何把要训练的二元联想组 (或数据对)集合 {( ，B)’．．·(^，＆)}存贮到神