排序方式: 共有2条查询结果,搜索用时 0 毫秒
1
1.
针对油藏测井解释中的水淹层计算机自动识别问题,本文首先提出一种基于量子神经网络的识别方法.首先构造了一个量子神经网络模型,该模型可以接收多维离散序列样本,隐层为量子神经元,输出层为普通神经元.采用梯度下降法设计了该模型的学习算法.然后设计了基于量子神经网络的水淹层识别方法.该方法精选了描述水淹级别的九个特征,直接采用这些特征的离散数值构造训练样本,实施网络训练,训练后的网络即可用于同类地区的水淹层识别.最后以辽河油田某区块258个地层样本为例,进行了水淹层识别处理,识别率可达88%.实验结果揭示出,量子神经网络对于水淹层自动识别问题具有良好的适应性和实用性. 相似文献
2.
阿尔奇公式是应用测井资料定量解释油水层的经典公式,然而传统的利用岩电实验确定阿尔奇公式参数的方法具有成本高、工作量大的缺点.针对这一问题,本文提出了基于量子衍生涡流搜索的阿尔奇公式参数确定方法.首先,根据阿尔奇公式参数的取值范围随机产生一个当前解,然后以当前解为中心,基于三维高斯分布随机产生若干候选解,并在这些候选解中寻找最优解,若最优解优于当前解,则用最优解替换当前解,再以当前解为中心,基于三维高斯分布继续产生候选解,如此循环直至收敛.收敛后的最优解即为最终确定的阿尔奇公式的参数.该方法的特色是候选解采用量子比特编码,候选解的产生采用量子比特的绕轴旋转实现,对于不同尺度空间的搜索具有较好的适应性.实验结果表明,在保证饱和度解释精度的前提下,量子衍生涡流算法可以替代复杂的岩电实验方法来确定阿尔奇公式的参数,使阿尔奇公式参数确定工作更为便捷. 相似文献
1