基于SSA-BP神经网络的岩性识别研究

扫码查看

原文链接

国家科技期刊平台
NETL
NSTL
万方数据
维普

中文摘要：为提高岩性识别的精度,引入SSA算法解决BP神经网络的性能受连接权值cj、ωij和连接阈值ε、θj的影响较大的问题,对网络连接权值以及阈值进行选择性优化,提出一种基于SSA-BP的岩性识别方法.将声波、补偿中子、微电极2 m梯度、井径、4 m梯度、2.5 m梯度、感应电导、浅侧向和微电极差等9项指标输入SSA-BP算法,评价岩性识别效果,使用岩性类别作为SSA-BP算法的输出,得到SSA-BP的岩性识别模型.与ELM、SVM和BPNN对比发现,SSA-BP可以有效提高岩性识别的精度,识别准确率达到96.41％,为岩性识别研究和应用提供了新的方法和途径.

外文标题：The Study on Lithology Recognition Based on SSA-BP Neural Network

作者：

杨远宏

展开 >

作者单位：

贵州大学,贵阳550025

关键词：

樽海鞘算法 BP神经网络岩性识别极限学习机支持向量机测井

出版年：

2021

DOI：

10.3969/j.issn.1009-8984.2021.01.020