基于量子神经网络油田水淹层识别方法.pdfVIP

第２９卷第５期　　　 计算机应用与软件 Ｖｏｌ２９Ｎｏ．５ ２ ２０１２年５月　　 ＣｏｍｐｕｔｅｒＡｐｐｌｉｃａｔｉｏｎｓａｎｄＳｏｆｔｗａｒｅ Ｍａｙ２０１ 基于量子神经网络的油田水淹层识别方法 １，２ ２ ２ 李盼池 　王海英 　杨　雨 １（东北石油大学石油与天然气工程博士后科研流动站　黑龙江大庆 １６３３１８） ２（东北石油大学计算机与信息技术学院　黑龙江大庆 １６３３１８） 摘　要　　针对油藏测井解释中的水淹层识别问题，提出一种量子神经网络模型。该模型用量子旋转门更新量子比特的相位，用受 控旋转门实现网络的非线性映射功能。网络可调参数为量子旋转门的旋转角度和受控非门的控制参数。基于梯度下降法设计了学 习算法。仿真结果表明，该模型的预测能力优于普通ＢＰ网络、模糊神经网络和过程神经网络等其他方法。 关键词　　量子计算　量子神经网络　水淹层识别　算法设计 中图分类号　ＴＰ１８３　　　　文献标识码　Ａ ＯＩＬＦＩＥＬＤＷＡＴＥＲＦＬＯＯＤＥＤＬＡＹＥＲＩＤＥＮＴＩＦＩＣＡＴＩＯＮＭＥＴＨＯＤ ＢＡＳＥＤＯＮＱＵＡＮＴＵＭＮＥＵＲＡＬＮＥＴＷＯＲＫＳ １，２ ２ ２ ＬｉＰａｎｃｈｉ　ＷａｎｇＨａｉｙｉｎｇ　ＹａｎｇＹｕ １（ＰｏｓｔｄｏｃｔｏｒａｌＲｅｓｅａｒｃｈＣｅｎｔｅｒｏｆＯｉｌａｎｄＧａｓＥｎｇｉｎｅｅｒｉｎｇ，ＮｏｒｔｈｅａｓｔＰｅｔｒｏｌｅｕｍＵｎｉｖｅｒｓｉｔｙ，Ｄａｑｉｎｇ１６３３１８，Ｈｅｉｌｏｎｇｊｉａｎｇ，Ｃｈｉｎａ） ２（ＳｃｈｏｏｌｏｆＣｏｍｐｕｔｅｒａｎｄＩｎｆｏｒｍａｔｉｏｎＴｅｃｈｎｏｌｏｇｙ，ＮｏｒｔｈｅａｓｔＰｅｔｒｏｌｅｕｍＵｎｉｖｅｒｓｉｔｙ，Ｄａｑｉｎｇ１６３３１８，Ｈｅｉｌｏｎｇｊｉａｎｇ，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ　　Ａｉｍｉｎｇａｔｔｈｅｗａｔｅｒｆｌｏｏｄｅｄｌａｙｅｒｉｄｅｎｔｉｆｙｉｎｒｅｓｅｒｖｏｉｒｌｏｇｇｉｎｇｉｎｔｅｒｐｒｅｔａｔｉｏｎ，ａｑｕａｎｔｕｍｎｅｕｒａｌｎｅｔｗｏｒｋｓｍｏｄｅｌｉｓｐｒｏｐｏｓｅｄ．Ｉｎ ｔｈｉｓｍｏｄｅｌ，ｑｕａｎｔｕｍｒｏｔａｔｉｎｇｇａｔｅｓａｒｅｅｍｐｌｏｙｅｄｉｎｕｐｄａｔｉｎｇｐｈａｓｅｏｆｑｕａｎｔｕｍｂｉｔｓ，ａｎｄｔｈｅｃｏｎｔｒｏｌｌｅｄｒｏｔａｔｉｎｇｇａｔｅｓａｒｅｅｍｐｌｏｙｅｄｉｎｒｅａｌｉｓｉｎｇ ｎｏｎｌｉｎｅａｒｍａｐｐｉｎｇ．Ａｄｊｕｓｔａｂｌｅｐａｒａｍｅｔｅｒｓｉｎｖｏｌｖｅｔｈｅｒｏｔａｔｉｏｎａｎｇｌｅｓｏｆｑｕａｎｔｕｍｒｏｔａｔｉｎｇｇａｔｅｓａｎｄｔｈｅｃｏｎｔｒｏｌｐａｒａｍｅｔｅｒｓｏｆｃｏｎｔｒｏｌｌｅｄｎｏｔ ｇａｔｅｓ．Ｔｈｅｌｅａｒｎｉｎｇａｌｇｏｒｉｔｈｍｉｓｄｅｓｉｇｎｅｄｂａｓｅｄｏｎｇｒａｄｉｅｎｔｄｅｓｃｅｎｔａｌｇｏｒｉｔｈｍ．Ｓｉｍｕｌａｔｉｏｎｒｅｓｕｌｔｓｓｈｏｗｔｈａｔｔｈｅｐｒｏｐｏｓｅｄｍｏｄｅｌｉｓｓｕｐｅｒｉｏｒｔｏ ｔｈｅｃｏｍｍｏｎＢＰｎｅｔｗｏｒｋｓ，ｔｈｅｆｕｚｚｙｎｅｕｒａｌｎｅｔｗｏｒｋｓａｎｄｐｒｏｃｅｓｓｎｅｕｒａｌｎｅｔｗｏｒｋｓ，ｅｔｃ． Ｋｅｙｗｏｒｄｓ　　Ｑｕａｎｔｕｍｃｏｍｐｕｔａｔｉｏｎ　Ｑｕａｎｔｕｍｎｅｕｒａｌｎｅｔｗｏｒｋｓ　Ｗａｔｅｒｆｌｏｏｄｅｄｌａｙｅｒｉｄｅｎｔｉｆｙ　Ａｌｇｏｒｉｔｈｍｄｅｓｉｇｎ 杂水淹层识别问题，提出一种量子神经网络解决方案。与其他 ０　引　言 预测方法的对比结果表明，该方法有较高的预测